AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:乐观偏差×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
5月29日
12:12
12:12arXiv cs.LG@Sy-Tuyen Ho, Minghui Liu, Huy Nghiem, Furong Huang
精选
研究人员推出了SoundnessBench基准测试,包含1,099个从ICLR投稿中重建的机器学习研究提案,并附有评审员的合理性评分。测试了12个前沿大语言模型后发现,它们普遍存在乐观偏差,在标准提示下常将低合理性提案评为合理。即使采用激进提示,也只是将错误从假阳性转为假阴性。控制实验排除了公共语料污染、表面特征等单一干扰因素。结果表明,当前LLM尚不能可靠地作为科学严谨性的独立初审评估者。
论文基准测试LLM评估科研自动化乐观偏差ICLR

推荐理由:这个基准测试戳中了AI科研助手的关键短板——无法判断研究想法的可行性,做自动化科研或依赖LLM审稿的团队值得关注,看完会重新评估AI在科研流程中的角色。
原文
精选全部日报登录