连接社会心理学与LLM推理：基于认知对齐的冲突感知元评论生成
人工智能
2025-03-24 v2
摘要
学术投稿的快速增长使传统同行评审系统不堪重负，推动了对智能自动化的需求以保持科学严谨性。虽然大型语言模型（LLM）在自动化稿件评阅方面展现出前景，但它们合成高风险元评论的能力——需要冲突感知推理和共识推导——仍然不成熟。现有方法无法有效处理不同意见中的冲突观点，且常常引入额外的认知偏差，如锚定效应和从众效应。为克服这些限制，我们提出了认知对齐框架（CAF），一种将LLM转变为自适应科学仲裁者的双进程架构。通过操作化卡尼曼的双进程理论，CAF引入了一个三步认知流水线：评审初始化、增量整合与认知对齐。实证验证表明，CAF优于现有的LLM方法，情感一致性增益最高可达19.47%，内容一致性提高最多12.95%。
引用
@article{arxiv.2503.13879,
title = {Bridging Social Psychology and LLM Reasoning: Conflict-Aware Meta-Review Generation via Cognitive Alignment},
author = {Wei Chen and Han Ding and Meng Yuan and Zhao Zhang and Deqing Wang and Fuzhen Zhuang},
journal= {arXiv preprint arXiv:2503.13879},
year = {2025}
}
备注
23 pages