LLM-ek alkalmatlanok a kutatási ötletek újdonságának megítélésére

Az Allen Institute for AI (Ai2) kutatói szerint a GPT-5 és Claude 4.5 modellek pontatlanok az új kutatási ötletek értékelésében, az utasítások apró változásai drámaian eltérő eredményeket hoznak.