热点事件持续更新
Ai2发布LLM研究新颖性评测基准
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月28日，Ai2发布研究新颖性评测基准“Old Ideas, Novel Problems”，并开放论文、数据、代码及可复用的评估集构建流水线，用于评估大语言模型对研究想法新颖性的判断。初步测试显示，6个LLM评审器对轻微提示词改动高度敏感；其中GPT-5.4准确率会从93.5%降至40.9%。增加检索与推理预算也未带来稳定提升。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 00:12
基准全面开放，测试暴露评审器对提示词高度敏感。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- Hugging Face Blog精选Ai2 发布研究新颖性评测基准 Old Ideas, Novel Problems
Ai2 发布研究新颖性评测基准 Old Ideas, Novel Problems，并开放论文、数据、代码及可复用的评估集构建流水线。测试显示，6 个 LLM 评审器对轻微提示词改动高度敏感，其中 GPT-5.4 的准确率可由 93.5% 降至 40.9%，而增加检索和推理预算也未带来稳定提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。