Hugging Face · 每日论文· 媒体 / 作者来源·精选
PremiseCheck：用大模型改写加轻量判定模型，低成本核查同行评审事实错误
原文标题
PremiseCheck: Efficient Fact-Checking of Human and AI Peer Reviews
AI 导读
针对投稿量增长导致同行评审中人类或AI评论可能误述论文内容的问题，研究者提出ReviewFact基准，在NLP、机器学习与自然科学领域统一标注评审评论中的事实错误，并同时测量准确率、成本与延迟。其PremiseCheck框架先用LLM在不读论文的情况下将每条评论改写为显式前提，再用轻量判定模型逐条对照论文核查。单条评论独立核查时，PremiseCheck在三个领域达到与GPT-5.5相当的准确率而成本约为其一半；在NLP评审上成本约为四分之一、延迟不到一半。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
把昂贵的前沿模型整篇核查拆成“改写前提＋轻量判定”，在保持准确率的同时把评审事实核查成本降至约一半甚至四分之一，可用于大规模投稿场景的自动化评审质量筛查。
导读由模型辅助整理，非独立核验。完整信息见原文。