跳到正文
AIHOT ↗· Ai2 / Allen Institute for AI(RSS)·· 23 天前AI 评分43

Ai2 发布 Old Ideas, Novel Problems 研究与 benchmark,揭示 LLM 新颖性裁判不稳定

AI 导读

Ai2 发布 Old Ideas, Novel Problems 研究及配套 benchmark、数据、代码和自动化流水线,用于测试 LLM 评估研究想法新颖性的可靠性。结果显示,LLM 作为研究想法新颖性裁判的判断存在不稳定问题。

来源:AIHOT · allenai.org