[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-art-93430":3},{"itemId":4,"vertical":5,"category":6,"source":7,"score":8,"title":9,"summary":10,"analysis":11,"url":12,"coverUrl":13,"direction":13,"marketSignal":13,"publishedAt":14},"93430","ai","论文研究","新智元",59,"告别审稿抽卡：全新LLM校准机制统一AI顶会评分尺度","华中科技大学团队提出利用LLM校准审稿评语与分数的映射关系，以解决AI顶会评审尺度不一致问题。","华中科技大学提出利用LLM校准审稿评分，解决AI顶会评审尺度不一致问题。\n· 随着NeurIPS、ICLR等顶会投稿量激增，审稿人评分标准差异日益严重，导致评审像“抽卡游戏”。\n· 研究团队提出LLM校准模块，将审稿意见结构化后生成锚点分数，与实际评分比较，偏差过大则触发复核。\n· 基于ICLR 2023-2025数据的实验表明，校准后的评分排序与论文长期引用量更一致，在边缘论文上平均引用量提升94%。\n· 该方法不替代人类审稿，而是作为辅助工具，减少评分随机性，保留合理学术分歧。\n影响\u002F看点：LLM校准机制有望提升同行评审的公平性和稳定性，尤其对处于录用边缘的论文影响显著，可能成为未来学术评审的标准辅助工具。","https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FNSkSuNu58_Bd0XH57x59sw",null,"2026-07-19 17:52:48"]