大型语言模型分析审稿人分数，发现反驳意见受限于初始评审结构

一项新近发表在arXiv上的研究调查了作者反驳意见对学术会议同行评审分数的影响，特别考察了ICLR 2024-2025年的数据。研究人员利用大型语言模型（包括Gemini Flash 3.0和Claude Opus 4.6）来分析审稿人轨迹并识别分数变动的模式。研究结果表明，虽然反驳意见可以影响分数，但这种变动的程度在很大程度上受到初始评审结构的限制，特定的交流特征与反驳的成功或失败相关。 AI

影响 提供了关于如何利用大型语言模型来分析和理解学术同行评审等复杂人类过程的见解。

排序理由 该集群包含一篇发表在arXiv上的研究论文，详细介绍了使用大型语言模型进行的同行评审过程研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Claude Opus 4.6
• CORE Recommender
• DagsHub
• Gemini Flash 3.0
• Gotit.pub
• Hugging Face
• Influence Flower
• International Conference on Learning Representations
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →