事件追踪已归档
四款LLM评审评分与人类一致性比较
首次报道 最新进展 2 篇报道，2 个来源
事件综述根据 2 篇报道整理，10月27日更新
Wenqiang Qin等作者发布预印本，在7,083篇ICLR 2024公开投稿上比较GPT-5 mini、Gemini 3 Flash Preview、Claude Sonnet 4.5和DeepSeek-V3.2的评审评分与人类评审均分的一致性。研究称，一致性随提示词、研究领域和稿件特征而变化；上述比较在标准评审条件下进行。 后续报道补充，人类评审均分由每篇投稿的3至5位人类评审取均值。该结论来自预印本，尚未经过同行评审。
综述由模型根据报道生成，细节以各篇原文为准。
进展时间线
北京时间，最早在上arXiv 关键词查询 · AI 科学家/同行评审/文献比较四个LLM在同行评审中的评分一致性
阅读这篇报道
全部报道
2 篇，点开看摘要研究比较四种 LLM 在同行评审中的打分：提示词、领域与稿件特征如何影响与人类评分的一致性
一项基于 ICLR 2024 的 7,083 篇公开投稿的研究比较了 GPT-5 mini、Gemini 3 Flash Preview、Claude Sonnet 4.5 和 DeepSeek-V3.2 的评审打分与 3 至 5 位人类评审均值的一致性。
阅读这篇报道研究：LLM 同行评审评分与人类评分的对齐随提示词、领域和稿件特征变化
一项基于 7,083 篇公开 ICLR 2024 投稿的研究比较了 GPT-5 mini、Gemini 3 Flash Preview、Claude Sonnet 4.5 和 DeepSeek-V3.2 的评审评分与人类评审均分。
阅读这篇报道