★ 3
研究质疑 AI 科学家新颖性判断：提出 ClaimNov 细粒度模块
论文构建含 1060 个提案的数据集，评估 AI 科学发现流程中的新颖性检查，发现高拒绝率检查对后来被人类实现的创意误报也高。作者提出 ClaimNov 主张级新颖性模块，在 1.5% 误报率下捕获 97% 的伪装论文，并将 LLM 评审误报从 11.8% 降至 1.5%。代码与数据已开源。
arXiv NLP5 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文构建含 1060 个提案的数据集，评估 AI 科学发现流程中的新颖性检查，发现高拒绝率检查对后来被人类实现的创意误报也高。作者提出 ClaimNov 主张级新颖性模块，在 1.5% 误报率下捕获 97% 的伪装论文，并将 LLM 评审误报从 11.8% 降至 1.5%。代码与数据已开源。
论文提出 EvoSim 自演化 AI 科学家，利用实验差异驱动机制与方程修订，并用留出实验数据检验物理合理性。在两项工业电池建模任务中，其锂金属析出预测平均绝对误差为 1.79%，动态电压预测 RMSE 为 7.62 mV，超越人类专家模型，自演化使模型与物理误差较基线降低约 36%。