关于 LLM 辅助同行评审的立场：通过指导与反馈解决审稿人缺口
人工智能
2026-01-15 v1 计算机与社会
人机交互
摘要
AI 研究的快速扩张加剧了审稿人缺口，威胁到同行评审的可持续性，并使低质量评估的循环持续不断。这篇立场论文批判了现有自动生成评审的 LLM 方法，并主张一种范式转换，将 LLM 定位为辅助和教育人类审稿人的工具。我们定义了高质量同行评审的核心原则，并提出了基于这些原则的两个互补系统： 用于培养审稿人长期能力的 LLM 辅助指导系统； 帮助审稿人提高其评审质量的 LLM 辅助反馈系统。这种以人为中心的方法旨在增强审稿人的专业技能，并有助于构建一个更可持续的学术生态系统。
引用
@article{arxiv.2601.09182,
title = {Position on LLM-Assisted Peer Review: Addressing Reviewer Gap through Mentoring and Feedback},
author = {JungMin Yun and JuneHyoung Kwon and MiHyeon Kim and YoungBin Kim},
journal= {arXiv preprint arXiv:2601.09182},
year = {2026}
}
备注
Accepted to AAAI 2026 Workshop on AI for Scientific Research (AI4Research)