★ 3
IEEE记者用AI伪造科学论文的实验记录
IEEE Spectrum 记者实测用 AI 生成一篇完整科学论文，记录其在投稿与评审环节中的表现。文章揭示当前学术出版体系对 AI 生成稿件的识别能力与漏洞。
Hacker News – AI5 天前
#同行评审
共 14 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
NeurIPS、IEEE、ACM 同行评审失误引入有缺陷的 AI 逻辑
一篇 Substack 文章指出，NeurIPS、IEEE 与 ACM 等机构的同行评审环节存在失误，导致带有缺陷 AI 逻辑的论文被放行。文章讨论评审漏洞如何污染学术文献。
Hacker News – AI8 天前
★ 3
哈佛研究：AI论文评审整体优于人类同行评审
哈佛大学 Gary King 等人的论文发现，AI 生成的论文评审意见在多数维度上不逊于甚至优于人类同行评审。研究为学术出版引入AI辅助评审提供了实证依据，同时讨论了偏见与责任问题。
Hacker News – AI9 天前
★ 3
论文提出 MLR 框架与基准，用 LLM 辅助同行评审检测错误
针对科学出版激增带来的评审压力，论文提出以验证为核心的 LLM 辅助同行评审视角，强调错误检测。作者构建可扩展基准，通过向会议论文合成插入错误来评测评审系统识别逻辑矛盾的能力，并提出多层评审 MLR 框架，先深入理解稿件再生成评审，提升 token 效率并保持与人类评分一致。
arXiv cs.AI24 天前
★ 3
科学论文中的 AI 垃圾内容治理
文章讨论学术出版中日益泛滥的 AI 生成低质内容（AI slop）问题，以及学界应对这一现象的努力。这关系到科研诚信与同行评审体系的可信度。
Hacker News – AI28 天前
★ 3
马斯克提议AI安全采用对抗性同行评审
马斯克在All-In播客中提出，AI安全领域应引入对抗性同行评审机制，让不同立场的研究者相互审查安全主张。该提议呼应了当前AI安全评估缺乏独立验证的争议，可能推动行业对安全声明透明度的讨论。
Hacker News – AI47 天前
★ 3
NovGauge：论文新颖性评估细粒度基准
论文发布NovGauge，一个面向大模型论文新颖性评估诊断的人类锚定基准，包含619组论文对与50个多论文集合，从任务、问题、方法三个维度独立标注。研究提出级联诊断流程，验证各维度正确性、证据依据与逻辑支撑。评估18个模型显示幻觉率在0%至39%之间，且超过70%的非幻觉正确判断所引证据无法逻辑支…
arXiv cs.AI51 天前
★ 3
超越模仿审稿人：评估LLM用于投稿前同行评审
本文研究作者面向的LLM系统，在投稿前生成原子关注点并压缩为简短报告，以模拟同行评审。基于ICLR 2026的3398篇论文，独立采样覆盖44.9%的历史问题，去重与补充后覆盖率提升至78.7%。然而，压缩过程损失严重，隐藏的Top-32 Oracle保留了79.3%的加权覆盖率，而仅基于论文的选…
arXiv cs.AI54 天前
★ 3
HalluPeer：科学同行评审幻觉检测基准
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。
arXiv cs.AI59 天前
★ 2
论文提出 AI 超越人类后科研仍须保留人类理解与方向
论文追问当 AI 在核心科研任务上追平或超越人类时，人为何还要做科学、又该如何使用 AI。作者主张科学不可或缺的目标是人类持久、集体的世界理解，并据此提出「人类理解」与「人类方向」双重委托测试。框架按 CRediT 科研角色分类逐阶段给出建议，覆盖同行评审与新人培养。
arXiv cs.AI5 天前
★ 2
作者参与式智能体复现审计：36 篇机器学习会议论文实测
研究提出作者参与的协作式复现审计流程，把作者声明作为 AI 智能体调查与评估的显式输入，通过结构化清单与 GitHub 两阶段工作流连接智能体检查与作者澄清。系统部署于 36 篇会议论文、133 个实验图表，经人工复核提出 20 个问题并全部关闭。
arXiv cs.AI13 天前
★ 2
arXiv 论文：PremiseCheck 审稿意见事实核查
论文提出 ReviewFact 基准，用于标注人类与 AI 审稿意见中的事实性错误，并衡量成本与延迟。其 PremiseCheck 框架让 LLM 将评论改写为显式前提、再由决策模型逐条核对论文，在三个领域达到与 GPT-5.5 相当的准确率，成本约为其一半，NLP 审稿场景成本仅四分之一。
arXiv NLP17 天前
★ 2
过程中心基准：透明AI辅助同行评审评估
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。
arXiv cs.AI54 天前
★ 1
arXiv 提出 Lag：可复用资源在线分配的均场最优策略
论文研究可复用资源的在线任务分配问题，将其建模为上下文无休止多臂老虎机（CRMAB），推导出占用测度 LP 上界及对偶闭式指数策略 Lag。在同行评审与呼叫中心路由数据上，Lag 达到 LP 上界的 83-99%，在期刊数据上比贪心策略提升最多 12.3%。
arXiv cs.LG18 天前