一项预印本研究大模型评估新研究问题时,是否会夸大已有论文已经解决的内容。 作者用 40 个已接收论文的问题比较普通描述与强制是否判断,并分别核对引用全文。研究观察到两种回答之间的差距,但样本主要来自机器学习,开放问题标签和 AI 评判仍有限制,真实研究决策的影响尚未测试。 该工作以预印本公开,结果和实验范围以arXiv 论文为准。 配图由 GETAI.APP 使用内置 imagegen 生成,非新闻现场、产品界面或实测结果。