LLMs for Academic Workflows: An Evaluation of Literature Reviews Generated with Short and Long Context Windows of LLMs
本研究评估LLMs短、长上下文窗口生成的文献综述,发现长上下文LLMs虽能纳入更多信息但存在重复等问题,AI生成综述需人工完善,未来应采用人机结合混合方法解决局限。
2026-08-28 cs.AI cs.HC cs.IR
LLM-REVal: Can We Trust LLM Reviewers Yet?
Peking University(北京大学);University of California, Los Angeles(加州大学洛杉矶分校);The Hong Kong Polytechnic University(香港理工大学);StepFun AI
本研究通过模拟研究智能体与评审智能体的互动,发现LLM审稿人存在系统性抬高LLM撰写论文分数、低估含批判性陈述的人类论文的偏见,但LLM评审指导的修订能提升论文质量,揭示了其在同行评审中的风险与潜力。
2025-10-14 cs.AI cs.CL
ReviewEval: An Evaluation Framework for AI-Generated Reviews
IIIT Delhi(德里印度理工学院);KIIT Bhubaneswar(比哈尔理工学院);BITS Pilani(比什努学院)
本文提出ReviewEval评估框架和ReviewAgent生成智能体,通过对齐机制与自我改进循环提升AI评审质量,在可操作见解、分析深度和指南遵循度上显著超越现有基线和专家评审。
2025-05-24 cs.AI cs.CL
Impact of large language models on peer review opinions from a fine-grained perspective: Evidence from top conference proceedings in AI
School of Management, Anhui University(安徽大学管理学院)
本文研究大型语言模型对同行评审意见的影响,分析了评审报告在语言特征、评价重点和推荐信号方面的变化,发现评审文本变得更长、更流畅,但深入评价维度有所下降。
2026-04-21 cs.AI cs.CL cs.DL
Evaluating Chunking Strategies for Retrieval-Augmented Generation on Academic Texts
研究在检索增强生成系统中,基于聚类的语义分块是否优于固定大小和递归分块,通过RAGAs框架在长结构化学术论文上评估检索和答案质量,发现聚类分块未超越简单策略。
2026-07-03 cs.AI cs.CL cs.IR
AI-Driven Review Systems: Evaluating LLMs in Scalable and Bias-Aware Academic Reviews
Boston University(波士顿大学);Tel Aviv University(特拉维夫大学);Columbia University(哥伦比亚大学);Stanford University(斯坦福大学);MIT(麻省理工学院)
本研究构建LLM驱动的自动审稿系统,通过人类偏好竞技场和LLM预测偏好评估评审质量,并引入自适应问题、元提示等方法,提升评审一致性、减少偏见,提供免费在线评审服务。
2024-08-19 cs.AI
NovBench: Evaluating Large Language Models on Academic Paper Novelty Assessment
School of Economics and Management, Nanjing University of Science and Technology(南京理工大学经济管理学院);School of Electronic Engineering and Computer Science, Queen Mary University of London(伦敦玛丽女王大学电子工程与计算机科学学院);School of Management, Anhui University(安徽大学管理学院)
NovBench通过1684篇论文与评审对的基准测试,评估大语言模型在新颖性评估中的能力,揭示当前模型在科学新颖性理解上的不足,强调需改进的细调策略。
2026-04-13 cs.AI cs.CL cs.DL
Multimodal Peer Review Simulation with Actionable To-Do Recommendations for Community-Aware Manuscript Revisions
Hong Kong Polytechnic University(香港理工大学);Beijing University of Posts and Telecommunications(北京邮电大学);Independent Researcher(独立研究者)
本研究提出一个多模态同行评审模拟系统,通过整合文本和视觉信息,利用检索增强生成技术提升评审质量,并生成可操作的待办列表,以提高论文修订的效率和准确性。
2026-02-17 cs.CL
Science Utopia? Closed-Loop LLM Simulation of Academic Research Ecosystems
Georgia Institute of Technology(佐治亚理工学院);University of California, Los Angeles(加州大学洛杉矶分校);University of Chicago(芝加哥大学);William & Mary(威廉与玛丽学院)
本文提出SciUtopia,一种闭环LLM智能体模拟框架,用于模拟学术生态系统中的研究、评审与资助等过程,并通过大规模纵向模拟揭示了评审负担放大、探索策略平衡及资源不平等的涌现机制。
2026-10-02 cs.AI cs.CL cs.CY
Can MLLMs Detect Phishing? A Comprehensive Security Benchmark Suite Focusing on Dynamic Threats and Multimodal Evaluation in Academic Environments
School of Computer Science and Engineering(计算机科学与工程学院)
本文提出AdapT-Bench,一个针对学术环境动态钓鱼攻击的多模态安全基准套件,旨在评估MLLM的防御能力。
2025-11-22 cs.AI cs.CR
AcademicGPT: Empowering Academic Research
ReadPaper Team(ReadPaper团队);International Digital Economy Academy(国际数字经济学院)
本文介绍了AcademicGPT,一个基于LLaMA2-70B持续训练的学术领域专用模型,通过多基准评估验证了其通用、中文及学术能力,并开发了多项学术辅助应用。
2023-11-21 cs.CL
ScholarSearch: Benchmarking Scholar Searching Ability of LLMs
针对现有搜索基准忽视学术搜索需求的问题,提出首个学术搜索基准ScholarSearch,覆盖多学科高难度问题,用于评估和提升LLM的复杂学术信息检索能力。
2025-06-20 cs.CL cs.IR
Large Language Models Penetration in Scholarly Writing and Peer Review
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));University of Electronic Science and Technology of China(电子科技大学);Wuhan University of Technology(武汉理工大学);University of Copenhagen(哥本哈根大学);Shenzhen Research Institute of Big Data(深圳大数据研究院)
针对LLMs广泛使用引发的学术可信度担忧,该研究从多视角多维度评估其在学术工作流中的渗透情况,提出含ScholarLens数据集与LLMetrica评估工具的框架,实验验证工具有效性并揭示LLMs影响力增长,强调需规范其使用以维护学术可信度。
2025-02-16 cs.CL
Reliable Academic Conference Question Answering: A Study Based on Large Language Model
School of Software, Zhejiang University(浙江大学软件学院);College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院)
针对学术会议信息分散且 LLM 缺乏最新会议知识的问题,本文构建涵盖七个会议、含四类问答对的 ConferenceQA 数据集,并提出结构感知检索方法 STAR 以增强 LLM 问答能力。
2024-08-05 cs.AI cs.CL
Automated Novelty Evaluation of Academic Paper: A Collaborative Approach Integrating Human and Large Language Model Knowledge
Department of Information Management, Nanjing University of Science and Technology(南京理工大学信息管理学院)
本文提出一种融合人类专家与LLM知识的协作方法,通过提取评审句子和总结方法论微调PLMs,并设计新型稀疏注意力文本引导融合模块,有效预测学术论文的方法新颖性。
2025-07-16 cs.AI cs.CL cs.DL
LLMs4All: A Review of Large Language Models Across Academic Disciplines
University of Notre Dame(诺丁汉大学)
本文综述了大型语言模型在跨学科领域的应用,探讨其在不同学术领域中的影响、局限及未来发展方向。
2025-11-23 cs.CL
AcademicEval: Live Long-Context LLM Benchmark
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
提出 AcademicEval 动态长上下文生成基准,利用 arXiv 论文与合著者图少样本示例实现免标注、灵活长度且防标签泄露的评估。
2025-10-20 cs.AI cs.CL cs.LG
Evaluation Sheet for Deep Research: A Use Case for Academic Survey Writing
Saarland University(萨尔兰大学);Instituto Politécnico Nacional(国家理工学院);MBZUAI
针对深度研究工具缺乏统一评估标准的问题,本文提出一种评估表,并以学术综述写作为用例,评估OpenAI和Google的Deep Search,发现搜索引擎与独立深度研究工具差距显著,需完善评估标准。
2025-09-30 cs.CL
Streamlining the review process: AI-generated annotations in research manuscripts
University of the Basque Country (UPV/EHU)(巴斯克大学(UPV/EHU))
针对研究论文投稿量增加导致传统同行评审体系审稿人工作量过大的问题,本研究探讨将大型语言模型(LLMs)整合到审稿流程的潜力,提出AnnotateGPT平台利用GPT-4辅助手稿注释,通过评估验证其作为AI-人类协作中间地带的可行性并提供整合见解。
2024-11-29 cs.AI
Peer Review as A Multi-Turn and Long-Context Dialogue with Role-Based Interactions
Jilin University(吉林大学);Westlake University(西湖大学);University of Chinese Academy of Sciences(中国科学院大学)
本文将同行评审重构为作者、审稿人和决策者参与的多轮长上下文对话,构建了包含26,841篇论文和92,017条评审的数据集,并提出多角色评估指标,为LLM驱动的动态同行评审提供了新基础。
2024-06-09 cs.AI cs.CL cs.LG
LLAssist: Simple Tools for Automating Literature Review Using Large Language Models
School of Science, RMIT University(RMIT大学理学院)
本文提出了开源工具LLAssist,利用大型语言模型和自然语言处理技术自动提取研究文章信息并评估其相关性,旨在减少文献综述时间,帮助研究人员高效管理海量学术出版物。
2024-12-20 cs.AI cs.DL
Exposía: Teaching and Assessment of Academic Writing Skills for Research Project Proposals and Peer Feedback
Ubiquitous Knowledge Processing Lab (UKP Lab), Department of Computer Science and Hessian Center for AI (hessian.AI), Technical University of Darmstadt(普遍知识处理实验室(UKP实验室)、计算机科学系和海斯曼人工智能中心(hessian.AI)、达姆施塔特技术大学);Department of Computer Science at Queens College, City University of New York (CUNY)(纽约城市大学皇后学院计算机科学系)
Exposía是首个公开连接写作与反馈的高等教育数据集,用于研究基于教育的计算方法在教学和评估学术写作中的应用。该数据集包含学生研究提案及同伴和教师反馈,通过细粒度评估方案评估写作和反馈。
2026-09-03 cs.CL
SCALAR: Scientific Citation-based Live Assessment of Long-context Academic Reasoning
MBZUAI(穆罕默德·本·扎耶德人工智能大学);LibrAI;Tsinghua University(清华大学);Alibaba Group(阿里巴巴集团);The University of Melbourne(墨尔本大学)
SCALAR通过基于学术引用的长上下文推理评估框架,评估模型在学术写作中的推理能力,发现多项选择任务能有效区分模型性能,而填空式引用预测任务更具挑战性。
2026-01-22 cs.CL
Hidden Prompts in Manuscripts Exploit AI-Assisted Peer Review
Department of Psychology, Yonsei University(延世大学心理学系);Department of Psychology, University of Science and Technology of China(中国科学技术大学心理学系)
研究探讨了手稿中隐藏指令对AI同行评审的影响,分析了提示注入技术及学术出版物政策的不一致,指出需加强技术筛查与政策协调。
2026-08-19 cs.AI cs.CL cs.CY
A Multi-Task Evaluation of LLMs' Processing of Academic Text Input
Department of Decisions, Operations and Technology, CUHK(决策、运营与技术系,香港中文大学);Department of Information Systems, Arizona State University(信息系统系,亚利桑那州立大学)
本文通过内容复现、比较、评分、反思四项任务系统评估大语言模型处理学术文本的能力,发现Gemini在摘要改写上可靠但排序、评分和反思能力不足,不建议在同行评审中不加约束地使用LLMs。
2025-08-15 cs.CL econ.GN q-fin.EC
MMReview: A Multidisciplinary and Multimodal Benchmark for LLM-Based Peer Review Automation
Shanghai Jiao Tong University(上海交通大学)
为弥补大语言模型评审任务缺乏统一评估基准的不足,提出跨多学科多模态的MMReview基准,覆盖240篇论文、13项任务,经21个模型验证,推动自动化同行评审标准化。
2025-10-08 cs.CL
ArXivBench: When You Should Avoid Using ChatGPT for Academic Writing
University of California, Los Angeles(加州大学洛杉矶分校)
本研究提出arXivBench基准,评估LLMs生成准确arXiv链接的能力,发现错误率高,Claude-3.5-Sonnet表现最佳,旨在提升学术写作可靠性。
2025-08-07 cs.AI cs.CL cs.IR
ACADREASON: Exploring the Limits of Reasoning Models with Academic Research Problems
OPPO AI Agent Team(OPPO 人工智能代理团队)
针对现有学术基准推理深度不足,提出Acadreason基准,含50个专家标注的跨五领域学术问题,评估显示主流LLM和智能体得分普遍偏低,揭示其在高水平学术推理上的能力差距。
2025-10-13 cs.CL
SPAR: Scholar Paper Retrieval with LLM-based Agents for Enhanced Academic Search
Beijing Academy of Artificial Intelligence(北京智源人工智能研究院);Beijing Jiaotong University(北京交通大学)
SPAR是一个基于大语言模型的多智能体学术检索框架,通过RefChain查询分解与查询演化提升搜索效果,并构建专家标注基准SPARBench,在多个基准上显著超越现有方法。
2025-07-21 cs.AI cs.IR
Evaluating the Predictive Capacity of ChatGPT for Academic Peer Review Outcomes Across Multiple Platforms
University of Sheffield(谢菲尔德大学)
本文通过平均多次ChatGPT预测评分的方法,评估其在F1000Research、SciPost Physics和ICLR三个平台预测同行评审结果的能力,发现ChatGPT仅能提供较弱的发表前质量评估,且其有效性和最佳输入策略因平台而异。
2024-11-14 cs.CL cs.DL
XtraGPT: Context-Aware and Controllable Academic Paper Revision
National University of Singapore(新加坡国立大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
针对现有LLM难以支持学术论文迭代修订与跨章节连贯性的问题,提出以标准引导意图对齐和上下文感知建模的人机协作框架,并构建7,000篇论文及140,000个指令对数据集,实例化为开源模型XtraGPT,实验证明其显著优于同规模基线并接近专有系统。
2025-10-23 cs.CL
Survey on Plagiarism Detection in Large Language Models: The Impact of ChatGPT and Gemini on Academic Integrity
Technological University Dublin(都柏林理工大学);University College Dublin(都柏林大学学院)
针对LLMs加剧学术抄袭的问题,综述了现有检测数据集、算法、工具及规避策略,并指出解决方案的空白,提出基于AI与教育的长期对策。
2024-06-04 cs.AI cs.CY cs.LG
Engineering the RAG Stack: A Comprehensive Review of the Architecture and Trust Frameworks for Retrieval-Augmented Generation Systems
The AI Alliance(AI联盟);IBM Research(IBM研究院)
本文综述了RAG系统架构和信任框架,提出统一分类学和评估框架,为构建安全且领域适应性强的RAG系统提供指导。
2025-11-07 cs.AI cs.IR
Code as Representation: A Compilable Parsing Paradigm for Academic Documents
Southeast University(东南大学);Nanyang Technological University(南洋理工大学);Nanjing University(南京大学)
针对学术PDF难以被机器处理的问题,提出CADP可编译解析范式,构建CADP-Bench基准并测试SOTA MLLMs,发现前沿模型仍难生成高保真可执行重构,该基准已开放供研究。
2026-08-19 cs.CL cs.CV
Toward Real-World Table Agents: Capabilities, Workflows, and Design Principles for LLM-based Table Intelligence
College of Computer Science and Technology, Zhejiang University, Hangzhou 310007, China(浙江大学计算机科学与技术学院);College of Software Technology, Zhejiang University, Ningbo 315048, China(浙江大学软件技术学院);Zhejiang Lab, Hangzhou 311121, China(浙江实验室)
本调查研究了基于LLM的Table Agents在真实世界表格任务中的应用,定义了五项核心能力以分析现有方法,并指出Text-to-SQL Agent在学术基准与实际场景间的性能差距,提出了提升鲁棒性、泛化性和效率的实用建议。
2025-07-14 cs.AI cs.DB
Useful for Exploration, Risky for Precision: Evaluating AI Tools in Academic Research
Dresden University of Technology(德累斯顿技术大学)
本文评估了AI工具在学术研究中的应用,指出尽管AI工具能提升效率,但其输出难以验证且易出错,需结合人本与计算机指标进行评估,发现问答工具虽能提供概述但不适用于精确信息提取,文献综述工具则缺乏可复现性和透明度。
2026-05-12 cs.AI cs.HC
PRE: A Peer Review Based Large Language Model Evaluator
Tsinghua University(清华大学);Zhongguancun Laboratory(中关村实验室)
针对现有LLM评估方法成本高、泛化性低且存在偏见的问题,本文提出基于同行评审机制的自动评估框架PRE,通过资格考试选拔评审员模型并对被评估模型进行评分,实验证明其优于基线并有效减少了单一模型评估的偏见。
2024-06-03 cs.CL cs.IR
IntellectSeeker: A Personalized Literature Management System with the Probabilistic Model and Large Language Model
Hong Kong University of Science and Technology(香港科技大学);National University of Singapore(新加坡国立大学);Hong Kong Baptist University(香港浸会大学)
本文提出 IntellectSeeker 个性化文献管理平台,结合 GPT-3.5-turbo 语义增强、少样本学习、概率筛选、推荐与文本压缩,提升学术检索精度和用户体验。
2024-12-10 cs.AI cs.IR
Document Automation Architectures: Updated Survey in Light of Large Language Models
Wells Fargo(富国银行)
该综述系统梳理文档自动化的学术架构与技术,明确其定义与特征,并结合生成式 AI 和 LLM 进展指出未来研究方向。
2023-08-18 cs.CL cs.LG
Pre-review to Peer review: Pitfalls of Automating Reviews using Large Language Models
AllSci Corp(AllSci公司);Sunwater Capital(Sunwater资本);Kellogg School of Management, Northwestern University(西北大学凯洛格管理学院);Dept. of Computer Science, Northern Illinois University(北伊利诺伊大学计算机科学系);Institute of Foundation Models, MBZUAI(基础模型研究所,MBZUAI)
本文研究了使用大型语言模型进行学术评审的潜力与风险,发现其作为预审筛选工具具有一定效用,但存在与人类评审不一致的风险及系统性高估偏差。
2025-12-14 cs.AI cs.CY cs.DL
Automating Research Synthesis with Domain-Specific Large Language Model Fine-Tuning
Cyberoo Pty Ltd(Cyberoo私人有限公司)
本文提出用开源LLM领域微调自动化SLR的知识综合阶段,并通过复现PRISMA综述验证准确性、抑制幻觉和来源追踪。
2024-04-08 cs.CL cs.DL cs.IR
A Review on Method Entities in the Academic Literature: Extraction, Evaluation, and Application
Nanjing University of Science and Technology(南京理工大学);Renmin University of China(中国人民大学)
在科学研究中,方法是解决科学问题不可或缺的手段,也是一个至关重要的研究对象。随着科学的进步,许多科学方法被提出,修改,并在学术文献中使用。作者在摘要和正文中描述了方法的细节,学术文献中反映方法名称的关键实体称为方法实体。在大量的学术文献中探索不同的方法实体有助于学者了解现有的方法,选择合适的方法进行研究任务,并提出新的方法。此外,方法实体的演化可以揭示学科的发展,促进知识发现。因此,本文提供了一个系统的方法和经验的工作,重点是从全文学术文献中提取方法实体,并努力建立知识服务,使用这些提取的方法实体。首次提出了本次审查所涉及的关键概念的定义。基于这些定义,我们系统地回顾了提取和评估方法实体的方法和指标,重点关注每种方法的优缺点。我们还调查了如何提取方法实体用于构建新的应用程序。最后,讨论了现有工作的局限性以及潜在的下一步工作。
2022-09-08 cs.CL cs.DL
Examining the Cognitive Gap Between Authors and Peer Reviewers on Academic Paper Novelty
Department of Information Management, Nanjing University of Science and Technology(南京理工大学信息管理学院)
通过分析Nature Communications上15,328篇论文及其评审意见,发现作者和评审员都强调结果导向的创新,但评审员视角更全面;高创新论文受益于强宣传语言,中等创新论文的宣传语言与评审分歧显著相关。
2026-06-12 cs.CL cs.CY cs.DL
Which structure of academic articles do referees pay more attention to?: perspective of peer review and full-text of academic articles
Nanjing University of Science and Technology(南京理工大学);Institute of Scientific and Technical Information of China(中国科学技术信息研究所)
研究目的:探讨学术论文中审稿人更关注哪些结构,审稿人关注哪些具体内容,以及PRC的分布是否与引文有关。设计/方法/途径首先,利用章节标题特征词和层次注意网络模型(HAN)识别学术文章结构。其次,根据PRC中规则提取的位置信息,分析PRC在不同结构中的分布情况。第三,分析卡方检验和TF-IDF提取的汉语特征词在不同结构中的分布情况。最后,运用四种相关分析方法,分析了PRC在不同结构中的分布与引文的相关性。结果材料、方法和结果部分的PRC数量显著多于介绍和讨论部分,说明审稿人更关注材料、方法和结果。汉语特征词在不同结构中的分布有明显的差异,可以反映出裁判员所关注的内容。PRC在不同结构中的分布与被引次数无相关性。研究限制/影响-由于裁判写同行评议报告的方式的差异,用于提取位置信息的规则不能覆盖所有中国。独创性/价值-本文发现,在不同的学术文章结构证明长期的实证理解中的分布中的中国模式。它还提供了对学术文章写作的见解:研究人员在撰写学术文章时应确保方法的科学性和结果的可靠性,以获得审稿人的高度认可。
2022-09-05 cs.CL cs.DL
A review on the novelty measurements of academic papers
Nanjing University of Science and Technology(南京理工大学)
本综述系统分析了科学论文的新颖性测度,通过比较相似概念、划分新颖性类型、按数据类型分类评估现有测度方法及验证工具,提出了未来研究的开放性问题。
2025-01-29 cs.CL cs.DL
Measuring Book Impact Based on the Multi-granularity Online Review Mining
Nanjing University of Science and Technology(南京理工大学);Jiangsu Key Laboratory of Data Engineering and Knowledge Service (Nanjing University)(江苏省数据工程与知识服务重点实验室(南京大学));Alibaba Research Center for Complex Sciences, Hangzhou Normal University(杭州师范大学阿里巴巴复杂科学研究中心);East China Normal University(华东师范大学)
与文章和期刊一样,衡量书籍学术影响力的传统方法主要涉及引用,这很容易,但仅限于询问传统的引文数据库和学术书评,研究人员试图使用其他指标,如Google Books,libcitation和出版商声望。然而,这些方法缺乏内容层面的信息,不能确定用户的引用意图。同时,丰富的在线学术书籍评论资源可以利用高度的视角挖掘更深层次的信息和内容。在这项研究中,我们测量的影响,学术书籍的多粒度挖掘在线评论,我们确定的因素,影响一本书的影响。首先,抓取并处理Amazon.cn上学术书籍样本的在线评论。然后,进行多粒度评论挖掘,以识别评论情感极性和方面的情感值。最后,正面评论和负面评论的数量、方面情感值、星级值和关于有用性的信息通过熵方法进行整合,并导致最终书籍影响力分数的计算。通过我们的方法与传统的图书引用获得的图书影响力分数的相关性分析的结果表明,虽然有很大的差异,学科领域,在线书评往往反映学术影响。因此,我们推断,在线评论是一个很有前途的来源,挖掘书籍的影响力在altmetric的角度来看,在多粒度的内容水平。此外,我们提出的方法也可能是衡量学术出版物以外的其他书籍的一种手段。
2016-03-26 cs.CL cs.DL
Ontology-Guided Multi-Agent Extraction of Evaluation Objects from Academic Review Texts: Evidence from Chinese Library and Information Science
Nanjing University(南京大学)
针对学术评论文本中评价对象抽取效果差的问题,提出本体引导的多智能体框架,在中文图书馆与信息科学数据上取得优于基线的性能,为相关研究评价和情报挖掘提供方法支持。
2026-09-01 cs.CL
ReviewAgents: Bridging the Gap Between Human and AI-Generated Paper Reviews
Shanghai Jiao Tong University(上海交通大学)
本文提出ReviewAgents框架,利用大型语言模型生成学术论文审稿意见,并构建Review-CoT数据集与ReviewBench基准,实验表明该框架能缩小AI与人类审稿的差距。
2025-07-16 cs.CL
ScholarBench: A Bilingual Benchmark for Abstraction, Comprehension, and Reasoning Evaluation in Academic Contexts
HBNU(韩南大学);KAIST(韩国科学技术院);UCSB(加州大学圣塔芭芭拉分校);KISTI(韩国科学技术信息研究院)
针对现有基准难以处理复杂学术任务的问题,提出双语基准ScholarBench,通过三步流程构建,覆盖八个领域五种题型,评估LLM的抽象、理解与推理能力,包含5031个韩语和5309个英语示例,最先进模型o3-mini平均分仅0.543,凸显其高挑战性。
2025-10-16 cs.CL
Position: Academic Conferences are Potentially Facing Denominator Gaming Caused by Fully Automated Scientific Agents
Shanghai Jiao Tong University(上海交通大学);Central South University(中南大学);Carnegie Mellon University(卡内基梅隆大学)
本文探讨了由完全自动化科学代理引发的分母游戏威胁,分析了其对学术会议评审系统的影响,并提出系统性政策改革作为缓解措施。
2026-05-11 cs.AI cs.CL cs.CY
Intellecta Cognitiva: A Comprehensive Dataset for Advancing Academic Knowledge and Machine Reasoning
Bud Ecosystem Inc(Bud生态系统公司)
本文提出综合数据集Intellecta,通过整合80.1亿合成数据与35.2亿教科书数据,并借助Mixtral-8x7B-Instruct-v0.1模型,增强语言模型的认知处理、高级推理与教育话语能力。
2024-04-13 cs.AI cs.CL
Document Automation Architectures and Technologies: A Survey
Wells Fargo(富国银行)
本文综述了文档自动化(DA)的现状。DA的目标是通过自动整合来自不同来源的输入并根据定义的模板组装文档来减少生成文档期间的手动工作。有评论的商业解决方案的DA,特别是在法律领域,但迄今为止,还没有全面的学术研究DA架构和技术的审查。当前的DA调查回顾了学术文献,并提供了DA及其特征的更清晰的定义和表征,确定了学术研究中最先进的DA架构和技术,并根据人工智能和深度神经网络的最新进展,提供了可以在DA领域带来新研究机会的想法。
2021-09-23 cs.CL cs.LG
Systematic Review on Healthcare Systems Engineering utilizing ChatGPT
KAIST(韩国科学技术院)
本文提出利用 ChatGPT API 和定制提示词构建学术综述分析框架,基于 9,809 段会议摘要将医疗系统工程划分为 11 类并分析年度趋势与子类别。
2024-05-20 cs.CL cs.ET
MOPRD: A multidisciplinary open peer review dataset
School of Informatics, Xiamen University(厦门大学信息学院);Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan, Ministry of Culture and Tourism(文化和旅游部闽台非物质文化遗产数字化保护与智能处理重点实验室);College of Foreign Languages and Cultures, Xiamen University(厦门大学外文学院)
针对现有同行评审数据集覆盖不全且学科单一的问题,构建多学科开放数据集MOPRD,并提出模块化引导式评审意见生成方法,性能优于基线。
2023-11-14 cs.AI cs.CL cs.DL