熱點事件持續更新
研究發現大語言模型判斷新穎性受設定影響
2 篇報道2 個報道來源2 小時前更新
先了解這件事
AI 綜述
2026年10月27日，Ai2 發佈《Old Ideas, Novel Problems》研究、基準、數據與程式碼，檢驗大語言模型能否可靠判斷科學研究構想的新穎性。研究顯示，評估設定會令判斷結果大幅變動。以 GPT-5.4 評估人類與 AI 生成構想的配對時，只改用較簡單的提示詞，準確率便由 93.5% 降至 40.9%，同一批配對中逾半數判斷亦隨之改變。2026年10月28日，Hugging Face Blog 再報道這項研究及基準，並提及上述提示詞變更與評估結果。
AI 根據報道生成 · 2 小時前更新
最新進展10月28日 00:12
最新報道指出，僅改用較簡單的提示詞，GPT-5.4 準確率便由 93.5% 降至 40.9%。報道時間線
沿着報道，瞭解事件的不同側面。
10月28日
- Hugging Face Blog精選大語言模型能否可靠判斷研究構想是否新穎？
Ai2 發佈《Old Ideas, Novel Problems》研究及基準，發現大語言模型判斷研究構想新穎性的結果會因評估設定而大幅變動。以 GPT-5.4 評估人類與 AI 生成構想的配對時，僅更改提示詞便令準確率由 93.5% 降至 40.9%，並改變逾半配對的判斷。
10月27日
- Ai2 / Allen Institute for AIAi2 研究檢驗大語言模型能否可靠判斷研究構想的新穎性
Ai2 發佈《Old Ideas, Novel Problems》研究、基準、數據與程式碼，檢驗大語言模型判斷科學研究構想新穎性的可靠程度。在 GPT-5.4 的一項比較中，改用較簡單的提示詞令準確率由 93.5% 降至 40.9%，同一批配對中逾半數判斷亦隨之改變。
本事件熱度走勢
還沒有足夠的連續觀測數據，暫不繪製趨勢。