arXiv cs.CY· Jicheng Zhou, Kemou Li, Kahim Wong, Zheyuan Li, Zhuan Shi, Fengpeng Li, Haiwei Wu, Jiantao Zhou·· 2 天前AI 评分32
CABAL：用多智能体模拟追踪同行评审中串通投标的影响
CABAL: Multi-Agent Simulacra for Tracing the Effects of Collusive Bidding in Peer Review
AI 导读
研究者提出 CABAL 多智能体模拟框架，在固定会议环境下用 LLM 驱动的评审智能体分别执行诚实或串通策略，研究评审分配诚信问题。实验显示串通投标使目标论文被捕获率提升一倍以上，被分配的串通者给目标论文打分比诚实共同评审者高约两分，而会议整体影响相对有限。现有投标阶段检测器仅提供有限的串通证据。
正文 · AI 翻译
摘要：AAAI-27 审稿周期中的近期报告凸显了审稿人协调投标以获取互惠分配优势的风险。已有工作将投标、审稿人分配和审稿操纵视为相互独立的阶段，使得串通投标的生命周期效应尚不明确。现实世界分析还受到通常不可观测的串通意图以及同一会议缺乏反事实的进一步制约。受此空白启发，我们提出 \alg，一个端到端多智能体仿真框架，用于研究审稿人分配诚信问题，其方法是固定会议环境，并配置具有诚实或串通策略的 LLM 驱动审稿人智能体。我们进一步开发了一种亲和力引导的串通投标策略，利用审稿人与论文之间的相互亲和力来构建串通圈并选择目标论文，从而产生与专业领域一致而非任意针对性的攻击。受控实验表明，串通投标使目标论文捕获率提高一倍以上，且被分配的串通者对目标论文的评分比诚实共同审稿人高出约两分，而会议整体影响相对温和。所评估的投标阶段检测器仅提供有限的串通证据：在固定三元组检测器压力测试中，原生正投标图受到良性亲和力的混杂影响，而仅极高诊断视图则能够实现精确但低覆盖率的局部恢复。
| 主题： | 人工智能（cs.AI）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2609.05227 [cs.AI] |
| （或 arXiv:2609.05227v2 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2609.05227 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jicheng Zhou [查看电子邮件]
[v1]
2026年9月4日星期五 14:55:33 UTC（1,021 KB）
[v2]
2026年10月15日星期四 08:31:08 UTC（1,021 KB）
来源：arXiv cs.CY · arxiv.org