大型语言模型破坏双盲同行评审

一篇新发表在arXiv上的论文详细介绍了大型语言模型（LLMs）如何对双盲同行评审过程的完整性构成重大威胁。研究人员证明，即使消除了风格和文献线索，LLMs也能比人类更有效地从匿名手稿中识别出作者。这是通过识别问题构建和研究重点中的潜在概念特征来实现的，表明需要重新评估AI增强研究中当前的匿名和公平性实践。 AI

影响 LLMs能够揭示研究论文作者身份，这使得有必要重新评估同行评审过程，以维护科学的完整性。

排序理由 该集群包含一篇学术论文，详细介绍了LLMs对研究过程的新影响。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• Bulambo Mwendelwa Gloire
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• large language models
• ScienceCast

• 论文
• 安全

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