大语言模型能否可靠判断科研想法的创新性？
研究团队发布 Old Ideas, Novel Problems 新研究，评估大语言模型判断科研想法创新性的可靠性。测试发现，仅微调提示词即可使模型判断准确率波动超过 50 个百分点，现有基准测试表明评估结果远不可靠。
#RAG
Hugging Face BlogAI 评分4242
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Forest Typology 2020 全球森林分类地图
Google DeepMind 与 Google Research 联合发布 Forest Typology 2020，将全球土地按 10 米分辨率划分为六种森林类型，并附带 2017 至 2025 年的变化时间序列，支持识别自然森林与人工种植的区别，为欧盟监管提供关键数据基准。
推荐理由：新地图提供 10 米分辨率的分类和年度变化数据，为欧盟监管和供应链追踪提供关键基准。
Google Research精选AI 评分6363 Google Earth AI 发布 PDFM 行星地理基础模型用于全球公共卫生
Google Earth AI 推出 Population Dynamics Foundation Model (PDFM)，将隐私保护搜索趋势、人类移动性和环境决定因子压缩为位置嵌入，无需任务微调即可嵌入现有流行病学工作流。
推荐理由：PDFM 将隐私保护搜索趋势、人类移动性和环境决定因子压缩为位置嵌入，可无需任务微调直接嵌入现有流行病学工作流，在多种疾病领域匹配或超越传统输入效果。
GitHub Blog · AI & ML精选AI 评分7575 ReviewBench：AI 代码审查开源基准
GitHub 发布了 ReviewBench，一个针对 AI 代码审查器的开源基准测试，包含 219 个真实 PR 样本覆盖 19 种语言，采用多来源黄金集和独立验证的评分标准，支持按严重度和类别细分评估结果，并引入增强指标以捕捉新发现的问题。
推荐理由：ReviewBench 提供了基于多来源黄金集和可配置度数的评估指标，能客观衡量 AI 代码审查器的性能差异，帮助团队选择最适合工作流的审查系统。