伊利诺伊大学提出 ClaimNov 解决 AI 科研新颖性误判
原标题：New University of Illinois paper finds that when AI decides if a research idea is new enough to work...
78AI 研判分
伊利诺伊大学研究指出，现有 AI 科学家流水线在评估研究想法的新颖性时存在严重误判，常错误拒绝人类科学家后续发表的有效创意。团队提出 ClaimNov 框架，通过将提案拆解为独立主张并逐一比对历史文献，显著降低了误拒率（从 96% 降至 1.5%），同时保持高抄袭检测能力。该成果对优化自主科研代理的决策逻辑具有重要参考价值。
报道正文
Rohan Paul (@rohanpaul_ai) · 2026-10-31 20
伊利诺伊大学的一项新研究发现，当 AI 判断一个研究想法是否足够新颖以值得开展时，它往往会否决那些后来被人类科学家成功发表的想法。
AI 科学家流水线（pipeline）会运行新颖性检查，以决定哪些生成的想法能获得算力资源。然而，这些检查通常是对整个提案进行一次性评估，而大多数真实论文其实是建立在某些早期贡献之上的。
他们构建了 ClaimNov，该方法将提案拆分为若干主张（claims），将每个主张与先前论文中的主张进行匹配，并为评审模型提供逐条主张的证据。
部署后的传统检查方法虽然捕获了全部 380 个伪装抄袭案例，但也错误地拒绝了研究人员后来发表的 96% 的想法。相比之下，ClaimNov 捕获了 97% 的抄袭案例，同时仅误拒了其中 1.5% 的想法。
如果你的流水线基于新颖性对想法进行筛选，建议分别对各个主张进行评分，并保留那些基于单一已知结果构建的提案，而不是直接将其丢弃。
