热点事件持续更新
研究团队推出Tampered ML基准 评估大模型识别科研缺陷能力
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
2026年10月26日，研究人员推出评测基准 Tampered ML，用于评估大语言模型识别机器学习研究方法缺陷的能力。该基准包含 1,858 个实验提案对比对。评测结果显示，前沿模型在识别科研缺陷上的表现虽高于随机水平，但仍不可靠；其中 Opus 5 准确率为 77.9%。此外，评测还发现模型对提案的展示顺序高度敏感，且往往倾向于偏好表面看起来更具体、更透明或更传统的有缺陷设计。
AI 根据报道生成 · 9 小时前更新
最新进展10月26日 12:00
研究人员推出Tampered ML基准，测试显示Opus 5准确率为77.9%但模型整体表现仍不可靠。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 自然语言处理Tampered ML：评估 LLM 对机器学习研究的评判能力
研究人员推出评测基准 Tampered ML，包含 1,858 个实验提案对比对，用于评估 LLM 识别机器学习研究方法缺陷的能力。评测显示前沿模型虽高于随机水平但仍不可靠，其中 Opus 5 准确率为 77.9%。此外，模型对展示顺序高度敏感，且倾向于偏好表面看起来更具体、透明或传统的有缺陷设计。
本事件热度走势
当前热度 8·可比范围峰值 10（10月26日 13:00）·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。