Reviewer3

新的人工智能系统在协助学术同行评审方面展现出潜力

一篇新发表在arXiv上的研究介绍了用于评估代理评审系统的基准，这些系统旨在协助人工智能辅助研究的同行评审过程。该研究使用了六种不同的语言模型，评估了两个开源系统 OpenAIReview 和 Coarse，以及一个专有系统 Reviewer3 和一个零样本基线。OpenAIReview 结合 GPT-5.5 表现强劲，在根据外部信号追踪论文质量方面达到了 83.0% 的准确率，并在构建的基准测试中成功检测到 71.6% 的注入错误。