DRPG（分解、检索、规划、生成）：面向学术反驳的智能体框架
机器学习
2026-04-15 v2
摘要
尽管大语言模型（LLM）在科学研究工作流程中的采用日益广泛，但针对学术反驳这一学术交流与同行评审关键环节的自动化支持在很大程度上仍未被探索。现有方法通常依赖现成的 LLM 或简单流水线，难以处理长上下文理解，且往往无法生成有针对性且具说服力的回复。本文提出 DRPG，一个通过四个步骤运作的自动学术反驳生成智能体框架：将评审意见分解为原子级关注点、从论文中检索相关证据、规划反驳策略，并据此生成回复。值得注意的是，DRPG 中的规划器在识别最可行反驳方向时达到了 98% 以上的准确率。在顶级会议数据上的实验表明，DRPG 显著优于现有反驳流水线，并仅使用 8B 模型即达到了超越人类平均水平的性能。我们的分析进一步证明了规划器设计的有效性及其在提供多视角、可解释建议方面的价值。我们还表明 DRPG 在更复杂的多轮设置中表现良好。这些结果突显了 DRPG 的有效性及其在提供高质量反驳内容和支持学术讨论规模化方面的潜力。本工作代码可在 https://github.com/ulab-uiuc/DRPG-RebuttalAgent 获取。
引用
@article{arxiv.2601.18081,
title = {DRPG (Decompose, Retrieve, Plan, Generate): An Agentic Framework for Academic Rebuttal},
author = {Peixuan Han and Yingjie Yu and Jingjun Xu and Jiaxuan You},
journal= {arXiv preprint arXiv:2601.18081},
year = {2026}
}