Hugging Face 与 Ai2 研究：LLM 能否可靠评判研究想法的新颖性？

Ai2 发布 Old Ideas, Novel Problems 研究，测试 GPT-5.1、GPT-5.2、GPT-5.4、Claude Sonnet 4.5、Claude Opus 4.5 和 Claude Opus 4.6 六个 LLM 评判研究想法新颖性的可靠性，并同步开源基准、数据与代码。