Hugging Face Blog·· 3 小时前精选AI 评分70
Ai2 发布研究与基准，检验大语言模型判断研究想法新颖性的可靠性
Can we trust LLMs to judge whether a research idea is novel?
AI 导读
Ai2 发布研究《Old Ideas, Novel Problems》及配套基准、数据、代码和自动化评测集构建流程，检验大语言模型判断科学研究想法新颖性的可靠性。
推荐理由
研究用 ICLR 2026 评审构建人类研究想法基准，并比较提示词、检索和推理设置对判断的影响，呈现了评估 AI 生成想法时的稳定性问题。
来源：Hugging Face Blog · huggingface.co