HalluPeer：科学同行评审幻觉检测基准
原文标题：HalluPeer: A Taxonomy-driven Benchmark for Detecting Hallucinations in Scientific Peer Reviews
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
HalluPeer是首个针对科学同行评审的幻觉检测基准，提供论文内容、人工评审和注入幻觉的评审三元组，并标注检测、分类和定位。实验基于1.2万篇论文和3.8万条评审，发现现有检测器难以区分幻觉与合理批评，且真实评审中存在定义的幻觉模式，凸显了来源感知验证的必要性。
- 问题
- LLM 写同行评审时会编造无依据的论断，现有幻觉基准不适用于长技术论文的核查。
- 方法
- 构建 HalluPeer 基准，用论文、人工评审、注入幻觉评审的三元组，配套评审专属幻觉分类体系与自动过滤注入流程。
- 结果
- 基于 1.2 万篇论文、3.8 万条评审，现有检测器难以区分幻觉与合理批评。
- 影响
- 做 AI 审稿助手或评审质量校验的团队需要来源感知验证，否则幻觉批评会直接污染评审结论。
深读 · 结论先行AI 生成展开看要点与影响 ↓
HalluPeer 基于 1.2 万篇论文、3.8 万条评审，显示现有检测器难分幻觉与合理批评
- •首个面向科学同行评审的幻觉检测基准，提供论文内容、人工评审、注入幻觉评审的三元组
- •标注覆盖检测、分类与定位三个层面，并归纳出评审领域专属的幻觉分类体系
- •实验规模为 1.2 万篇论文与 3.8 万条评审
- •现有检测器难以区分幻觉与合理批评，因为验证需在长篇技术论文中落地论断
- •在真实评审中同样观察到该基准定义的幻觉模式，说明问题不止于合成数据
为什么重要：LLM 评审助手正被规模化使用，该基准指出检测环节本身不可靠，对用 LLM 辅助审稿的期刊、会议与工具开发者是直接警示。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
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。