实体 NovGauge

NovGauge

PulseAugur coverage of NovGauge — every cluster mentioning NovGauge across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_249517 · Sep 12 · 04:00

新的NovGauge基准揭示LLM在论文新颖性评估方面存在困难

研究人员开发了NovGauge，一个旨在微调和诊断大型语言模型（LLM）在评估研究论文新颖性方面能力的新基准。该基准包含619对论文和50组多篇论文，从任务、问题和方法三个维度评估新颖性。对18个LLM的初步评估显示，幻觉率和证据忠实度存在显著问题，即使是表现最好的模型GPT-5.5，在验证后也难以保持准确性。