Ai2 发布 Old Ideas, Novel Problems 研究与 benchmark,揭示 LLM 新颖性裁判不稳定
Ai2 发布研究 Old Ideas, Novel Problems、配套 benchmark、数据、代码和自动化流水线,测试 LLM 作为研究想法新颖性裁判的可靠性。
🔗 阅读原文
via AIHOT · https://aihot.news/items/p92a4pkxkheznj9nmt50o08l6
2026年10月27日 · 阅读 0 · 点赞 0 · 评论 0