English(EN) How Well Do LLMs Perform in Peer Review? Evidence from Finance and Accounting

研究发现：LLM可检查研究的正确性但无法判断其重要性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

一篇新发表在arXiv上的研究探讨了大型语言模型（LLM）在金融和会计期刊同行评审过程中的有效性。研究人员发现，GPT-4o和GPT-5能够准确评估研究论文的正确性和表述，模型评分较高的论文发表的可能性高出44%。然而，这些模型在判断研究的原创性或重要性方面表现不出能力，这表明虽然LLM可以验证研究的技术准确性，但人类判断在评估其影响方面仍然至关重要。 AI

影响 LLM可以协助研究的技术评审，但人类判断在评估原创性和重要性方面仍然必不可少。

排序理由该集群包含一篇详细介绍LLM能力研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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: 6 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍LLM能力研究结果的学术论文。[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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Hai Lu, Yichen Luo, Luping Yu · 2026-10-15 04:00

大型语言模型在同行评审中的表现如何？来自金融和会计领域的证据

arXiv:2610.18435v1 Announce Type: cross Abstract: Referees increasingly use large language models (LLMs), while finance and accounting journals disagree about whether to allow it. We ask which part of a referee's job the models can do. GPT-4o, whose training data end before the 2…

本文如何被排名

报道来源 [1]

大型语言模型在同行评审中的表现如何？来自金融和会计领域的证据

相关实体

相关话题