arXiv · cs.AI· Jicheng Zhou, Kemou Li, Kahim Wong, Zheyuan Li, Zhuan Shi, Fengpeng Li, Haiwei Wu, Jiantao Zhou·· 6 小时前
CABAL：用于追踪同行评审串通投标影响的多智能体仿真框架
CABAL: Multi-Agent Simulacra for Tracing the Effects of Collusive Bidding in Peer Review
arXiv:2609.05227v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jicheng Zhou, Kemou Li, Kahim Wong, Zheyuan Li, Zhuan Shi, Fengpeng Li, Haiwei Wu, Jiantao Zhou
研究任务与主要进展
研究作者提出CABAL端到端多智能体仿真框架，通过固定会议环境并配置诚实或串通的LLM审稿人策略，研究同行评审分配中的串通投标影响。控制实验显示，串通投标使目标论文的捕获率超过翻倍，分配的串通审稿人给目标论文的评分比诚实共同审稿人高约2分，但会议整体影响相对有限。投标阶段检测器受到正常亲和关系干扰，Very-High-only诊断虽能实现精确的局部恢复，但覆盖率较低。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org