Ai2 发布 Old Ideas, Novel Problems 研究与 benchmark，测试 LLM 新颖性裁判可靠性

OmniTools 10月28日消息，Ai2 发布研究 Old Ideas, Novel Problems、配套 benchmark、数据、代码和自动化流水线，用于测试 LLM 作为研究想法新颖性裁判的可靠性。

该研究关注 LLM 在评估研究想法新颖性时的裁判表现；相关 benchmark、数据、代码及自动化流水线已随研究发布。