arXiv cs.AI· Rachel S. Y. Teo, Yutaro Yamada, Shashank Kotyan, Yuki Imajuku, Tarin Clanuwat·· 25 天前AI 评分39
超越模仿：LLM 辅助同行评审的框架与评测基准
Beyond Imitation: A Framework and Benchmark for LLM-Assisted Peer Review
AI 导读
研究者提出以错误检测为核心的 LLM 辅助同行评审基准与多层评审（MLR）框架，摆脱仅模仿人类评审的局限。该基准通过向会议论文合成注入错误来评估模型识别逻辑矛盾的能力，MLR 框架则在生成评审前优先深入理解论文并提升 token 效率。评测显示该方案高度对齐人类评审分数且错误检测表现优异，但同时证实系统仍存在易受对抗操纵的脆弱性。
来源：arXiv cs.AI · arxiv.org