NovGauge：论文新颖性评估细粒度基准
原文标题：NovGauge: A Fine-Grained Benchmark for Diagnosing LLMs' Capability in Paper Novelty Assessment
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文发布NovGauge，一个面向大模型论文新颖性评估诊断的人类锚定基准，包含619组论文对与50个多论文集合，从任务、问题、方法三个维度独立标注。研究提出级联诊断流程，验证各维度正确性、证据依据与逻辑支撑。评估18个模型显示幻觉率在0%至39%之间，且超过70%的非幻觉正确判断所引证据无法逻辑支撑结论，表明当前大模型远未可靠胜任科学新颖性评估。
- 问题
- 大模型评论文新颖性只给单一总分，无法诊断错在哪个维度、证据是否可信。
- 方法
- 构建619组论文对与50个多论文集合的细粒度基准，按任务/问题/方法三维独立标注，并用级联流程校验正确性、证据依据与逻辑支撑。
- 结果
- 18个模型幻觉率0%–39%，非幻觉正确判断中逾70%证据无法支撑结论；最佳GPT-5.5各维度Verified F1仅43–72%。
- 影响
- 做AI审稿或科研辅助的团队需重新评估LLM新颖性判断的可靠性，不能只看原始F1。
深读 · 结论先行AI 生成展开看要点与影响 ↓
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。