Ai2 发布研究检验 LLM 评判科研新颖性的可靠性

Ai2 发布研究 Old Ideas, Novel Problems，研究大语言模型作为 novelty judge 评估科研想法新颖性的可靠性，基准基于 ICLR 2026 同行评审数据构建。 除论文外，Ai2 一并发布了用于测试 novelty judge 的基准、数据和代码，以及一个自动构建新评测集的流水线，供研究者使用。

AI 根据报道生成 · 36 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。