Hugging Face Blog·· 5 小时前精选AI 评分80
Ai2 发布 Novelty Bench，研究 LLM 判断科研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《Old Ideas, Novel Problems》研究、基准、数据和代码，评估 GPT-5.1、GPT-5.2、GPT-5.4、Claude Sonnet 4.5、Claude Opus 4.5 和 Claude Opus 4.6 判断科研想法新颖性的稳定性。
推荐理由
研究用统一基准展示提示词、检索和推理预算会显著改变新颖性判断，并比较了简单提示方案与专用评估系统的准确率和成本。
来源：Hugging Face Blog · huggingface.co