过程中心基准：透明AI辅助同行评审评估
原文标题：Beyond Final Decisions: A Process-Centric Benchmark for Transparent AI-Assisted Peer Review
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
提出过程中心诊断基准，用于评估AI辅助同行评审的可靠性，超越仅关注最终决策的现有方法。通过分析摘要、批评、建议和决策等过程变量，发现模型生成的中间文本局部一致但最终决策缺乏充分证据支持。该基准旨在辅助而非替代人类审稿人。
- 问题
- 现有AI辅助同行评审评估只看最终决策或整体质量，无法判断决策是否有充分证据支撑。
- 方法
- 构建过程中心诊断基准，用摘要、批评、建议、决策四元组对齐异构评审数据，做阶段级、链一致性与干预敏感性分析。
- 结果
- 三个数据集六个模型上，Gold过程变量决策价值普遍高于预测过程变量，且Gold-Predicted差距跨数据集与随机种子稳定。
- 影响
- 为AI审稿系统提供可诊断的可靠性评估，提醒产品不能只看决策准确率，需检查中间证据链。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。