LLM 审稿清单使 NeurIPS 排序错误减半，获 AI-Native Academia 奖
JessicaHullman · x · 2026-10-30
论文结果部分：在 NeurIPS 2021 与 ICLR 2022 留出论文的模拟审稿中，学习到的清单使错误降低 21–58%，且在各规模上均优于 NeurIPS 2021 官方清单；在人类审稿人对 NeurIPS 论文排序的实验中，该清单将排序错误降低超过一半。论文由 Hullman 与 Zeddd Liu、Ziyang Guo、Jason Hartline 合作，将在 NeurIPS AI-Native Academia 研讨会上展示并获得奖项。
所属事件:西北大学团队用LLM学习审稿清单，对抗同行评审抽签方差(8 条相关)→
「研究」频道最新
- AI for Science 评测市场:单次评估或耗数月数百万美元,成最持久生态位 — kenbwork · 2026-10-30
- pstack /statechart skill 转正：内嵌迷你 TLC 编译器帮 agent 找分布式系统 bug — DavidKPiano · 2026-10-30
- 「神经双胞胎」：专为彼此训练、用神经语交流的模型对 — repligate · 2026-10-30
- 把纠错存成 LoRA：Self-Direction 让 Agent GAIA 成功率 38.8%→55.8% — rohanpaul_ai · 2026-10-30
- UCSF 论文：AlphaGenome 系统性低估因果变异效应，细定位表现不及线性基线 — anshulkundaje · 2026-10-30
- NeurIPS 2026 论文数排行：一人挂名 22 篇引作者署名之争 — qberthet · 2026-10-30