Ai2 发布 Old Ideas, Novel Problems 研究与 benchmark，揭示 LLM 新颖性裁判不稳定

Ai2 发布 Old Ideas, Novel Problems 研究及配套 benchmark、数据、代码和自动化流水线，测试 LLM 作为研究想法新颖性裁判的可靠性。结果显示 LLM 充当新颖性裁判时存在不稳定问题。相关资源已随论文一同公开。