FLAWS基准评测LLM论文错误定位
热点事件持续更新
FLAWS基准评测LLM论文错误定位
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
研究者 Sarina Xi 等人提出并发布 FLAWS 基准，包含 713 个论文-错误对，用于评估 LLM 能否识别并定位论文中足以推翻核心结论的错误。 在 Claude Sonnet 4.5、DeepSeek Reasoner v3.1、Gemini 2.5 Pro、GPT 5 和 Grok 4 五个前沿模型中，GPT 5 表现最佳，在 k=10 时识别准确率为 39.1%。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
FLAWS：评估 LLM 识别与定位科学论文错误的新基准报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.CLFLAWS：评估 LLM 识别与定位科学论文错误的新基准
研究者推出 FLAWS 基准，包含 713 个论文-错误对，用于评估 LLM 能否识别并定位论文中足以推翻核心结论的错误。在 Claude Sonnet 4.5、DeepSeek Reasoner v3.1、Gemini 2.5 Pro、GPT 5 和 Grok 4 五个前沿模型中，GPT 5 表现最佳，在 k=10 时识别准确率为 39.1%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。