GPT-5.2

Ai2研究：LLM判断研究创意新颖度不可靠

Ai2发布《Old Ideas, Novel Problems》研究，测试GPT-5.1、GPT-5.2、GPT-5.4及Claude Sonnet/Opus 4.5、4.6共六个模型判断研究创意新颖度的可靠性。结果显示评估设置的细微变化会显著改变判断结果，团队同时开源基准、数据和代码。