FactReview：基于执行验证与证据溯源的论文审稿框架
FactReview: Evidence-Grounded Peer Review with Execution-Based Claim Verification
FactReview 框架通过对照文献核查论文主张、检查推导过程并执行论文代码验证实证结论，在 300 篇论文评测中于 7 项指标中的 5 项排名第一，错误支持率 6.8%、分类准确率 79.2%。在 36 篇论文的用户研究中，使用 FactReview 的审稿人每篇发现 9.4 个问题，独立审稿仅 5.6 个，且耗时减少 74.1%。代码已公开。
作者：Ling Yue、Chaoqian Ouyang、Ruijun Huang、Hang Xu、Lu Li、Libin Zheng、Yuchen Liu、Wei Liu、Shaowu Pan、Shimin Di、Min-Ling Zhang
摘要：AI 正在加速科学研究，但及时提供可信的反馈仍然具有挑战性。此类反馈需要依据经过验证的证据来评估具体论断，帮助研究人员和自主研究系统判断哪些发现可以指导后续工作。全面验证耗时费力，而时间紧迫的审稿人可能会忽略或误判关键问题。现有 AI 审稿系统尚未填补这一空白，因为它们往往在未充分验证支撑证据的情况下评估论断。我们提出 FactReview，一个通过验证论文中的论断来提供更可信反馈的框架。它对照文献核查论断并检查推导过程，同时运行论文代码以检验实证论断。在 300 篇论文上，FactReview 在七项指标中的五项上位列所有评估系统之首，错误支持率为 6.8%，分类准确率为 79.2%。在一项涉及 36 篇论文的研究中，使用 FactReview 的审稿人每篇论文发现 9.4 个问题，而独立审稿为 5.6 个，同时耗时减少 74.1%。因此，FactReview 支持更可靠的同行评审，并有望加速研究迭代。代码已公开于此 https URL。
| 学科： | 人工智能（cs.AI）；机器学习（cs.LG） |
| 引用格式： | arXiv:2604.04074 [cs.AI] |
| （或本版本使用 arXiv:2604.04074v5 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2604.04074 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Chaoqian Ouyang [查看邮箱]
[v1]
2026年4月5日周日 11:45:22 UTC（977 KB）
[v2]
2026年4月7日周二 17:20:55 UTC（971 KB）
[v3]
2026年5月27日周三 02:42:30 UTC（10,129 KB）
[v4]
2026年8月16日周日 07:16:01 UTC（3,515 KB）
[v5]
2026年10月16日周五 11:06:34 UTC（1,487 KB）
来源：arXiv cs.AI · arxiv.org