arXiv · cs.AI· Dingjie Song, Zhiling Yan, Ziqian Zhang, Yuxuan Zhang, Lichao Sun·· 1 天前
PremiseCheck：结合大模型与决策模型高效核查人类和AI同行评审
PremiseCheck: Efficient Fact-Checking of Human and AI Peer Reviews
arXiv:2610.21046v1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：Dingjie Song, Zhiling Yan, Ziqian Zhang, Yuxuan Zhang, Lichao Sun
研究任务与主要进展
PremiseCheck 提出一种同行评审事实核查框架：先由大模型在不阅读论文的情况下把评审意见改写为明确前提，再由决策模型依据论文逐条核查。摘要称，在独立核查每条评审意见时，该方法在 NLP、机器学习和自然科学三类评审上的准确率接近 GPT-5.5，成本约为其一半；在 NLP 评审上成本约为其四分之一、延迟低于其一半。材料仅提供论文摘要，未说明实验规模、代码和更多细节。
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