基于多模态的同行评审模拟及可操作待办推荐：面向社区感知的论文修订
计算与语言
2026-02-18 v2
摘要
尽管大型语言模型（LLM）在自动化学术工作流程方面展现出前景，但现有的学术同行评审系统仍受制于文本输入、上下文 grounding 受限以及缺乏可操作反馈。本文提出了一种基于多模态、社区感知的交互式网页系统，用于同行评审模拟，以实现论文提交前的有效修订。该框架通过多模态 LLM 将文本与视觉信息融合，利用基于 Web 规模 OpenReview 数据的检索增强生成（RAG）提升评审质量，并将生成的评审转换为 Action:Objective[#] 格式的可操作待办列表，提供结构化且可追溯的指导。该系统可无缝集成至现有学术写作平台，提供实时反馈和修订追踪的交互界面。实验结果表明，所提系统在生成更全面且符合专家标准的评审方面具有优势，超越了消融基线模型，推动了透明且以人类为中心的学术辅助。
引用
@article{arxiv.2511.10902,
title = {Multimodal Peer Review Simulation with Actionable To-Do Recommendations for Community-Aware Manuscript Revisions},
author = {Mengze Hong and Di Jiang and Weiwei Zhao and Yawen Li and Yihang Wang and Xinyuan Luo and Yanjie Sun and Chen Jason Zhang},
journal= {arXiv preprint arXiv:2511.10902},
year = {2026}
}
备注
Accepted by TheWebConf 2026 Demo Track