预印本评测AI检测临床试验论文植入错误

2026年10月29日，X 平台用户 Rohan Paul（@rohanpaul_ai）发布消息，介绍一项新预印本对 15 个模型检测临床试验论文中植入错误能力的测试结果。该消息称，模型得分区间为 53% 到 96%，未受训练的人类审稿人平均仅 27%；在 2026 年发表的 58 项新试验上结果依然成立，说明模型并非只是回忆训练中见过的旧论文；其中 Claude Opus 5.5 得分最高。同一消息在标题处称最高得分为 99%，高于人类审稿人，与正文所述 53% 到 96% 的区间及 Claude Opus 5.5 的最高分表述不一致。该预印本的具体作者、发布平台与完整方法尚未在报道中说明，事件目前进展限于这一预印本评测结果的公开传播。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。