论文提出论断级新颖性检查ClaimNov，并报告其降低误报。
资讯摘要
论文指出AI科学发现流程难以判断生成想法是否真正新颖，现有新颖性检查在拒绝非新颖工作时误报率也高，且只能整体拒绝提案。作者构建含1060个提案、覆盖提案级与论断级时间基准的评估框架，并提出细粒度可解释模块ClaimNov。作者报告其以1.5%误报率识别97%伪装论文，将LLM评审误报从11.8%降至1.5%，并保留更多基于已有贡献的新颖提案。
要点速读
- 论文构建含1060个提案的评估框架，来源包括已发表论文、审稿争议和生成想法，提供提案级与论断级时间基准。
- 作者报告ClaimNov以1.5%误报率识别97%伪装论文，并将LLM评审误报率从11.8%降至1.5%。
- 作者报告ClaimNov仅拒绝3%含争议贡献的ICLR接收提案，在100个拼接已有贡献的新颖提案中保留91个，最强现有检查为76个。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。