Sakana AI的LLM同行评审系统可捕获73%的核心论断错误

📋总体概括

Sakana AI在TMLR发表论文，推出Multi-Layered Review（MLR）系统：基于Claude的三智能体协作评审框架，并构建包含1,164个错误样本的Contradiction Benchmark用于评估。实验显示，MLR对论文核心论断错误的检出率达73.43%，而此前最佳系统仅14.81%，提升近5倍。该工作展示了多智能体LLM在科学同行评审自动化上的显著进展，为缓解评审压力、提高论文质量把关提供了可量化的技术路径。