热点事件持续更新
Ai2发布科研新颖性评测基准，揭示大模型裁判极不稳定
1 篇报道1 个报道来源5 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《Old Ideas, Novel Problems》及配套基准测试与开源代码，系统评估大模型作为裁判对科研创意新颖性的判断能力。实验选取了GPT-5.4、Claude Opus 4.6等6款主流模型进行测试。结果显示，大模型在此项评估中表现极不稳定，仅对提示词措辞进行微调，其判断准确率就会出现超过50个百分点的剧烈波动；同时，模型对AI生成创意的评判能力远比对人类撰写论文的判别更加脆弱。
AI 根据报道生成 · 4 小时前更新
最新进展10月28日 00:12
Ai2发布科研新颖性基准测试，发现提示词微调可导致大模型裁判准确率波动超50个百分点。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- Hugging Face精选Ai2 发布科研新颖性评测基准，发现大模型裁判极不稳定
Ai2 发布研究 Old Ideas, Novel Problems 及配套基准测试与代码，系统评估大模型对科研创意新颖性的判断能力。实验测试了 GPT-5.4、Claude Opus 4.6 等 6 款模型，发现仅微调提示词措辞就能使判断准确率出现超过 50 个百分点的剧烈波动，且对 AI 生成创意的判别远比人类论文脆弱。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28日 01:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。