预注册研究：两阶段筛选提升LLM生成假设真实性

一项预注册研究在 NAS-Bench-201 和 HPOBench 两个表格化基准上检验大语言模型生成的假设。研究者 Shanglin Yang、Zhan Shi 报告，先让模型起草大量条件交互断言、再在单独一次调用中筛选出一个子集，这一两步做法能提升超出模型评审预期的真实性；生成器使用了 Claude 和 GPT 系列。 研究同时给出限定：由于被保留的断言会在多次运行中重复出现，当运行与断言被联合重采样时，证据会变弱，且相对于 Sonnet 自身先验并不显著。此外，若针对大模型评审优化流程，评审分数会上升，但对每个生成器的精确率都大幅下降。

AI 根据报道生成 · 8 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。