科学观点摘要：论文元评审生成数据集、方法与评测

科研论文中的观点可能存在分歧，导致审稿人之间的争议。然而，现有大多数观点摘要数据集以产品评论为中心，并假设所分析观点无争议，未能考虑学术论文、政治辩论或社交媒体讨论等其他语境中的差异性。为弥补这一空白，我们提出科学观点摘要任务，将论文审稿意见综合为元评审。为支持该任务，我们引入了 ORSUM 数据集，涵盖来自 47 个会议的 15,062 篇论文元评审与 57,536 篇论文审稿意见。此外，我们提出清单引导的迭代内省方法，将科学观点摘要分解为若干阶段，在清单问题引导下迭代精炼摘要。我们的实验表明：（1）人工撰写的摘要并非总能满足深度讨论、识别特定领域共识与争议等必要标准；（2）任务分解与迭代自精炼的结合展现出增强观点的强大潜力，并可应用于使用黑盒 LLM 的其他复杂文本生成。