Reviewer2：通过提示生成优化评论生成
计算与语言
2024-12-03 v2
摘要
大型语言模型（LLM）的最新发展为协助作者改进其工作提供了新机遇。在本文中，我们设想了一种用例，即作者可以接收由 LLM 生成的评论，以揭示当前草稿中的弱点。虽然现有的自动评论生成方法已经存在，但这些方法往往生成的评论缺乏细节，且无法涵盖人类审稿人产生的意见范围。为解决这一不足，我们提出了一种高效的两阶段评论生成框架，称为 Reviewer2。与 prior work 不同，该方法显式建模了评论可能涉及的方面分布。我们表明，这能生成更详细的评论，更好地覆盖人类审稿人在草稿中识别的各个方面。作为研究的一部分，我们生成了一个包含 2.7 万篇论文和 9.9 万条评论的大规模评论数据集，并使用方面提示（aspect prompts）对其进行标注，将其作为资源供未来研究使用。
引用
@article{arxiv.2402.10886,
title = {Reviewer2: Optimizing Review Generation Through Prompt Generation},
author = {Zhaolin Gao and Kianté Brantley and Thorsten Joachims},
journal= {arXiv preprint arXiv:2402.10886},
year = {2024}
}