Ai2 发布研究：大模型判断科研想法新颖性易受提示词影响

Ai2 测试了六款大模型对科研想法新颖性的判断。在一组人类与 AI 生成想法的比较中，仅改变提问措辞，就让 GPT-5.4 的准确率从 93.5% 降至 40.9%。研究团队同时发布了基准、数据和代码；其中 AI 生成想法的较低新颖性属于研究假设，并非逐一核实的结论。