Hugging Face 官方博客
Ai2发布研究：大模型判断科研创意新颖性易受提示词影响
Ai2发布研究，并公开评测基准、数据和代码。研究发现，在一组人类与AI生成创意的配对测试中，仅改变提示词，GPT-5.4的判断准确率就从93.5%降至40.9%；研究团队也提醒，AI生成创意“较不新颖”的标签并未逐一核实。
← 热点榜实质进展 10月27日 16:00
STORY IN FOCUS
Ai2发布研究：大模型判断科研创意新颖性易受提示词影响
Ai2发布研究，并公开评测基准、数据和代码。研究发现，在一组人类与AI生成创意的配对测试中，仅改变提示词，GPT-5.4的判断准确率就从93.5%降至40.9%；研究团队也提醒，AI生成创意“较不新颖”的标签并未逐一核实。
1 次进展2 篇报道2 个来源
事件进展
同一次发生的报道合为一个节点，后续进展单独记录。
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。
查看来源报道 · 2 个来源 · 2 篇报道
- Allen Institute for AI 研究动态 · Ai2 发布研究：大模型判断科研想法新颖性易受提示词影响
- Hugging Face 官方博客 · Ai2发布研究：大模型判断科研创意新颖性易受提示词影响
全部报道 · 2
按来源发布时间排列，保留各报道的收藏与反馈。
Allen Institute for AI 研究动态
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。