研究者发布AI同行评审审计基准及Skepthical系统

Zubeldia 等研究者在 arXiv 发布论文（2611.17052），构建了一个审计 LLM 同行评审能力的基准：他们在 30 篇 arXiv 预印本（天体物理与机器学习各 15 篇）中注入共 357 个客观错误，覆盖一般问题、数学、数值、引用四类、三个严重程度，并测量十二个审稿系统按错误类型和严重程度的检出率，以及在干净副本上的误报率。评测管线、注入错误和裁定日志均已作为基准开源。 研究团队还同时发布了多智能体审稿系统 Skepthical。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。