Ai2 发布 Old Ideas, Novel Problems：LLM 能否可靠判断研究想法的新颖性

Ai2 发布研究 Old Ideas, Novel Problems，并公开用于测试 LLM 新颖性判断的基准、数据和代码。研究基于 ICLR 2026 评审意见构建 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 六个模型。