以 deliberation 为决策：基于文档导向对话的 meta-review

meta-review 是同行评审流程中的关键环节，作为决定稿件是否被推荐接受的最终步骤。先前研究将meta-review 视为对评审报告的概括问题。然而，complementary 于这一视角，meta-review 是一种需要权衡评审论点并将其置于更广阔背景中的决策过程。先前研究表明，通过对话代理人可以有效辅助此类情境中的决策者。基于这一框架，我们探讨了实现能够有效辅助meta-reviewers的对话代理人的实际挑战。具体而言，我们首先通过基于自我完善策略生成的合成数据来解决训练对话代理人数据稀缺的问题，以提高这些对话与专家领域相关性。我们的实验表明，这种方法产生了更高质量的合成数据，可作为训练meta-review辅助工具的宝贵资源。随后，我们利用该数据训练针对meta-review的对话代理人，发现这些代理人在该任务上优于即插即用的基于LLM的辅助工具。最后，我们在真实世界的meta-review场景中应用这些代理人，确认其在提高meta-review效率方面的有效性。