hiw3c 日报精选
BestBlogs·AI 高分精选 中文 网页快照

我们能否信任 LLM 判断一个研究想法是否新颖?

📌 One-Sentence Summary Ai2 发布了一个基准测试,表明基于 LLM 的新颖性评判器在评估 AI 生成的研究想法时极不可靠,提示词措辞会导致 50 多个百分点的准确率波动,而简单的基线方法反而优于专门构建的系统。 📝 Summary Ai2 推出了「Old Ideas, Novel Problems」,这是一个用于测试 LLM 判断科学研究想法新颖性可靠程度的基准测试。他们利

来源:BestBlogs·AI 高分精选 · www.bestblogs.dev

Can we trust LLMs to judge whether a research idea is novel?

Ai2 releases a benchmark showing LLM-based novelty judges are highly unreliable for evaluating AI-generated research ideas, with prompt wording causing 50+ point accuracy swings and simple baselines outperforming purpose-built systems.