一项新研究评估了大型语言模型在审阅学术论文方面的有效性。四个LLMs评估了200篇已发表的论文,其中绝大多数(75.6%)建议进行重大修改或拒绝。然而,当测试它们识别故意引入的缺陷时,模型仅识别出这些问题的17%至60.5%,这引发了对其检测真正问题的可靠性的质疑。 AI
影响 凸显了当前LLM在学术研究的关键分析和质量保证方面的局限性。
排序理由 评估LLM在特定任务上表现的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — fosstodon.org 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →