#AI审稿

测评19款大模型做论文审稿人：参数与价格并不决定成绩

一位开发者测评了19款大语言模型担任机器学习论文审稿人的能力，结果显示参数规模、价格和发布时间都无法预测审稿成绩。Qwen 3 235B满分、GPT-5.4 mini反超GPT-5.5，本文解析其配对样本设计、核心发现与工程踩坑。