Ai2 研究：LLM 判断研究想法新颖性可靠吗？

Ai2 发布 Old Ideas, Novel Problems 研究，用 ICLR 2026 评审意见构建基准，测试 GPT-5.1、GPT-5.2、GPT-5.4、Claude Sonnet 4.5、Claude Opus 4.5 和 Claude Opus 4.6 六个 LLM 的新颖性判断能力。