ProReviewer：面向科学同行评审的证据驱动评审智能体

ProReviewer 将同行评审建模为马尔可夫决策过程，以结构化评审日志作为状态核心，让智能体根据累积发现决定下一步检查内容与结束时机，最终评审的每个论点都引用日志条目以支持可追溯。在 1,000 篇 ICLR 2026 留出论文上，训练后的 8B ProReviewer 平均得分超过包括基于 397B 模型在内的所有对比方法，人类评估者在四项评审质量维度中的三项上更偏好其评审。