GPT 与 Claude 能否可靠判断科研创意的新颖性

Ai2 的研究显示，GPT 与 Claude 系列 LLM 判断科研创意新颖性的可靠性不足。研究发布 Old Ideas, Novel Problems 论文、基准、数据、代码及构建新评测集的自动化流水线，并基于 ICLR 2026 同行评审建立154个高新颖度、145个低新颖度人类创意及154个 LLM 生成创意。