先了解这件事
2026年10月11日,Sakana AI发布TMLR论文Beyond Imitation,提出以错误检测而非模仿人类评审来评估AI审稿,并给出Contradiction Benchmark与Multi-Layered Review(MLR)系统。据MarkTechPost报道,MLR基于Claude Sonnet 4与Claude Haiku 3.5三个智能体运行,在257篇论文植入的1,164处矛盾中,4次评审可检出73.43%的核心论点错误,最佳基线AgentReview为14.81%,单次评审为60.79%。同一报道称,在211篇真实撤稿论文上,MLR精确匹配率仅16.11%,且隐藏的提示词注入仍能影响所有被测AI审稿系统;每次评审成本约0.47美元,消耗189,062输入token。目前尚无后续发展事实。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：MarkTechPost
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月11日
MarkTechPost
Sakana AI 发布 LLM 同行评审论文 Beyond Imitation，核心论点错误检出率达 73.43%
Sakana AI 发布 TMLR 论文 Beyond Imitation，提出以错误检测而非模仿人类评审来评估 AI 审稿，并给出 Contradiction Benchmark 与 Multi-Layered Review（MLR）系统。MLR 基于 Claude Sonnet 4 与 Claude Haiku 3.5 三个智能体运行，在 257 篇论文植入的 1,164 处矛盾中，4 次评审可检出 73.43% 的核心论点错误，最佳基线 AgentReview 为 14.81%；单次评审为 60.79%。在 211 篇真实撤稿论文上，MLR 精确匹配率仅 16.11%，且隐藏的提示词注入仍能影响所有被测 AI 审稿系统。每次评审成本约 0.47 美元，消耗 189,062 输入 token。