PulseAugur
中
实时 15:55:16
English(EN) Reconstruction: A Blind Benchmark for Recovering Research Ideas from Pre-Publication Bibliographies

新基准测试大型语言模型从参考文献中预测研究思路的能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出 Reconstruction，一个旨在仅从出版前参考文献中评估语言模型推断研究思路能力的新型基准。该基准采用严格的防泄露协议，包括时间引用截止和匿名参考文献ID，以确保评估的完整性。在六个科学领域和 643 篇论文中，领先的语言模型表现平平，匹配率在 3-15% 之间。然而，一个结合了跨模型审查和锦标赛选择机制的多智能体管道显著提高了性能，将匹配率提高到 23-42%，比最佳单模型基线提高了 2.4 倍。 AI

影响 该基准有望提升大型语言模型理解和综合研究的能力，从而可能加速科学发现。

排序理由 该条目是 arXiv 的预印本，详细介绍了一个新的基准和语言模型的评估方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.MA (Multiagent) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新基准测试大型语言模型从参考文献中预测研究思路的能力

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该条目是 arXiv 的预印本，详细介绍了一个新的基准和语言模型的评估方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
74 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.MA (Multiagent) TIER_1 English(EN) · Ritankar Das ·

    Reconstruction: A Blind Benchmark for Recovering Research Ideas from Pre-Publication Bibliographies

    Can a language model recover the true research idea of a published paper when given only that paper's pre-publication bibliography? We introduce Reconstruction, a blind idea-recovery benchmark that withholds the seed paper and all contemporaneous or future literature, and asks mo…

相关实体

相关话题