Sakana AI 的 LLM 同行评审系统能揪出 73% 的核心论断错误

Sakana AI 在 TMLR 论文中提出 Multi-Layered Review（多层评审），这是一个基于 Claude 的三智能体评审系统，并配套了包含 1,164 个错误的 Contradiction Benchmark。MLR 能捕获 73.43% 的核心论断错误，而此前最好的系统仅为 14.81%。