Hệ thống đánh giá cộng đồng của LLM từ Sakana AI phát hiện 73% lỗi trong các tuyên bố cốt lõi

Bài báo TMLR của Sakana AI giới thiệu Multi-Layered Review, một hệ thống đánh giá dựa trên Claude với 3 agent, cùng Contradiction Benchmark gồm 1.164 lỗi. MLR đã phát hiện được 73,43% lỗi trong các tuyên bố cốt lõi, so với 14,81% của hệ thống trước đó tốt nhất. Bài viết Sakana AI’s LLM Peer Review System Catches 73% of Core-Claim Errors xuất hiện đầu tiên trên MarkTechPost.