在AI研究科学家的论文之后，一个大问题是基于大型语言模型（LLM）的代理是否能够生成新的研究想法。

这项工作发现，LLM生成的研究想法被认为比人类专家的想法更具新颖性（p <0.05）；然而，在灵活性方面，它们的评分略低。

他们还报告称，LLM代理在生成想法的过程中缺乏多样性，并且不是可靠的评估者。