arXiv cs.AI· Rachel S. Y. Teo, Yutaro Yamada, Shashank Kotyan, Yuki Imajuku, Tarin Clanuwat·· 3 小时前AI 评分27
超越模仿：LLM 辅助同行评审的框架与基准
Beyond Imitation: A Framework and Benchmark for LLM-Assisted Peer Review
AI 导读
研究提出以错误检测为核心的 LLM 辅助同行评审评估视角，并构建可扩展基准，通过向会议论文合成插入错误来检验评审系统识别逻辑矛盾的能力。同时提出 Multi-Layered Review（MLR）框架，强调先深入理解稿件再生成评审，在提升 token 效率的同时与人类评审分数高度一致，并实现高错误检测表现。研究还证实此类系统仍易受对抗性操纵，需加强鲁棒性。
来源：arXiv cs.AI · arxiv.org