FMMD：基于 F1000Research 的多模态开放同行评审数据集
数字图书馆
2026-02-17 v1 人工智能
计算与语言
机器学习
摘要
自动化学术论文评审（ASPR）已进入与传统同行评审共存的阶段，人工智能（AI）系统越来越被纳入实际的手稿评估中。与此同时，针对自动化和 AI 辅助同行评审的研究呈指数级增长。尽管如此，现有数据集的实证进展仍受到若干关键局限性制约。尽管评审者通常会评估图表和复杂版面以判断科学主张，但大多数现有数据集仍高度偏向文本。这种偏见被局限于计算机科学场馆的数据进一步加剧。此外，这些数据集缺乏评审意见与特定手稿版本之间的精确对齐，掩盖了同行评审与手稿演变之间的迭代关系。为此，我们引入 FMMD，一个来自 F1000Research 的多模态多学科开放同行评审数据集。该数据集通过整合手稿级的视觉和结构数据，以及版本特定的评审报告和编辑决定，弥合了当前的差距。通过提供评审意见与具体手稿迭代之间的显式对齐，FMMD 使跨学科领域的同行评审生命周期进行细粒度分析成为可能。FMMD 支持多模态问题检测和多模态评审意见生成等任务，为同行评审研究提供了全面的实证资源。
引用
@article{arxiv.2602.14285,
title = {FMMD: A multimodal open peer review dataset based on F1000Research},
author = {Zhenzhen Zhuang and Yuqing Fu and Jing Zhu and Zhangping Zhou and Jialiang Lin},
journal= {arXiv preprint arXiv:2602.14285},
year = {2026}
}
备注
Work in progress