Компьютерные науки > Искусственный интеллект [представлен 8 октября 2026 года] Название: " Помимо имитации: рамки и контрольные показатели для коллегиального обзора LLM-Assisted View PDF HTML (экспериментальный) резюме: Быстрый рост научных издательских работ затруднил экспертный обзор, особенно в области машинного обучения, что вызвало обеспокоенность по поводу снижения качества обзоров и увеличения рабочей нагрузки рецензентов. В качестве автоматизированных помощников по обзору были предложены крупные языковые модели (МРМ), однако их оценка в основном сосредоточена на подмножестве обзоров, подготовленных с использованием человеческого языка, а не на поддержке основных функций коллегиального обзора. В этой связи мы представляем ориентированный на проверку подход к коллегиальному обзору, проводимому при содействии МУЗ, делая упор на обнаружении ошибок в качестве важнейшей и ресурсоемкой задачи. Мы представляем масштабируемый контрольный показатель, который позволяет оценить способность систем обзора выявлять логические противоречия и построен на синтезированном включении ошибок в документы конференций, достижении четких целей оценки и обеспечении возможности для систематического сопоставления. Мы также предлагаем систему многоцелевого обзора (МЛР), в рамках которой приоритетное внимание уделяется детальному пониманию рукописи до подготовки обзора, более тесной увязке с практикой проведения обзоров человека при одновременном повышении эффективности символических работ. В…
Помимо подражания: рамки и контрольные показатели для коллегиального обзора с опорой на УУЗР
arXiv: 261 010.1087v1 Annualte Type: New Humber Brieflow: Быстрый рост научных издательских работ затруднил коллегиальную оценку, особенно в области машинного обучения, что вызвало обеспокоенность по поводу снижения качества обзора и увеличения рабочей нагрузки рецензентов. В качестве автоматизированных помощников по обзору были предложены крупные языковые модели (МРМ), однако их оценка в основном сосредоточена на подмножестве обзоров, подготовленных с использованием человеческого языка, а не на поддержке основных функций коллегиального обзора. В этой связи мы представляем ориентированный на проверку подход к коллегиальному обзору, проводимому при содействии МУЗ, делая упор на обнаружении ошибок в качестве важнейшей и ресурсоемкой задачи. Мы представляем масштабируемый контрольный показатель, который позволяет оценить способность систем обзора выявлять логические противоречия и построен на синтезированном включении ошибок в документы конференций, достижении четких целей оценки и обеспечении возможности для систематического сопоставления. Мы предлагаем далее систему многоцелевого обзора (МЛР), в которой приоритетное внимание будет уделяться детальному пониманию рукописи до подготовки обзора, приведения его в соответствие.