Ai2 发布 Old Ideas, Novel Problems：LLM 判断研究想法新颖性可靠吗

Ai2 发布研究 Old Ideas, Novel Problems，并开源基准、数据和代码，用于测试 LLM 新颖性判断器。研究基于 ICLR 2026 评审构建 154 条高新颖性与 145 条低新颖性人类想法池，测试 GPT-5.1 至 GPT-5.4、Claude Sonnet 4.5 至 Opus 4.6 六个判断器。