PremiseCheck：高效核查人类与AI同行评审意见
ReviewFact是一项基准测试，用于评估自然语言处理、机器学习和自然科学领域中，人类或AI撰写的同行评审意见所包含的事实错误，同时衡量成本和延迟。PremiseCheck将语言模型与成本更低的判定模型结合：语言模型无需阅读论文，先把每条评审意见改写为明确前提，再由判定模型逐项与论文进行核对。研究称，该方法以约一半的成本达到与GPT-5.5相当的准确率。在NLP评审中，成本降至约四分之一，延迟降低到不到一半。不过，该方法依赖前提提取的准确性，主要核查事实一致性，并不能取代对评审整体质量的评估。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。