跳到正文
热点事件持续更新

研究：LLM新颖性评估极不稳定

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

一项系统性对照研究测试六款LLM新颖性评审模型后发现，仅告知评审模型“审稿人认为其中一个想法新颖、另一个不新颖”，就能让超过一半的相同想法对改变判定，成对准确率波动超过50分，有时甚至低于随机水平。 研究还发现，检索增强和更大推理预算对稳定性的帮助有限，两个专用新颖性评估器的表现不及最廉价的提示词基线。该研究由Noy Sternlicht等作者发表。 这意味着基于LLM的新颖性评估对提示词措辞高度敏感，其判定结果可能难以作为可靠依据。

AI 根据报道生成 · 3 小时前更新

最新进展10月15日 12:00
研究揭示基于 LLM 的新颖性评估极不稳定：提示词微调可致准确率波动超 50 分

报道时间线

沿着报道，了解事件的不同侧面。

10月15日
  1. arXiv cs.CL
    研究揭示基于 LLM 的新颖性评估极不稳定：提示词微调可致准确率波动超 50 分

    一项系统性对照研究测试了六款 LLM 新颖性评审模型，发现仅告知评审模型"审稿人认为其中一个想法新颖、另一个不新颖"，就能让超过一半的相同想法对改变判定，成对准确率波动超 50 分，有时甚至低于随机水平。检索增强和更大推理预算帮助有限，两个专用新颖性评估器表现不及最廉价的提示词基线。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月15日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。