PulseAugur
实时 13:38:19
English(EN) MERIT: Matching Expertise via Rubric-Informed Training for Reviewer Assignment

MERIT框架利用AI改进学术审稿人分配

研究人员开发了MERIT,一个新颖的两阶段框架,旨在改进将合适的审稿人分配给学术投稿。该系统首先使用强化学习训练一个审稿人评估器,该评估器由一个LLM裁判和论文特定的专业知识评分标准指导,以识别和匹配专业知识维度。然后,该评估器的预测被提炼成一个基于嵌入的检索器,用于高效、大规模的分配。MERIT的4B审稿人评估器在适用性分类方面表现优于更大的通用LLM,并且其检索器在基准数据集上取得了最先进的结果。 AI

排序理由 该集群描述了一篇关于用于审稿人分配的新颖框架的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Zixuan Yang, Yibo Zhao, Weicong Liu, Xiang Li ·

    MERIT: Matching Expertise via Rubric-Informed Training for Reviewer Assignment

    arXiv:2605.27865v1 Announce Type: new Abstract: Matching submissions with suitable reviewers at scale is a growing challenge for major venues, yet existing approaches either rely on coarse proxy signals that conflate general relatedness with true suitability, or require expensive…