English(EN) Reviewing the Reviewer: LLM-Assisted Reviewer Feedback Generation for Guideline Compliance

LLM框架提升科学同行评审质量

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-03 04:00

研究人员开发了一个新框架，通过使用大型语言模型（LLMs）为审阅者生成有针对性的反馈，以提高科学出版物同行评审的质量。该系统将审阅分解为多个部分，识别违反特定指南（如ACL Rolling Review (ARR)）的情况，并提供可操作的反馈。在一项研究中，这种LLM辅助反馈将指南违规行为减少了高达92.4%。该项目还包括LazyReviewPlus，这是一个用于识别审阅中懒惰思维和缺乏特异性的新数据集。 AI

影响通过提高同行评审质量，增强科学出版的严谨性和效率。

排序理由该集群是关于一篇详细介绍使用LLM改进科学同行评审的新颖框架和数据集的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 22 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群是关于一篇详细介绍使用LLM改进科学同行评审的新颖框架和数据集的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Sukannya Purkayastha, Qile Wan, Anne Lauscher, Lizhen Qu, Iryna Gurevych · 2026-09-03 04:00

审阅者之审阅：LLM 辅助审阅者反馈生成以符合指南

arXiv:2602.10118v2 Announce Type: replace Abstract: Peer review is central to scientific quality, yet reliance on simple heuristics, namely lazy thinking and non-specific critiques, has threatened review quality. Prior work frames lazy thinking detection as single-label classific…

本文如何被排名

报道来源 [1]

审阅者之审阅：LLM 辅助审阅者反馈生成以符合指南

相关实体

相关话题