Towards Automating Scientific Review with Google's Paper Assistant Tool

论文解决了什么问题

AI 加速科研产出使顶会投稿量三年翻倍，传统人工同行评审在数学与理论计算机领域需逐行核验证明，已无法匹配论文增速。现有单次大模型调用受上下文窗口限制，而简单多次采样（Pass@k）虽提高召回却严重牺牲精度，迫使人工在大量幻觉中筛选真实错误。

核心方法

PAT 采用四阶段 agent 流水线：先由分段 agent 将论文切分为语义模块，再按信息密度动态分配推理算力；随后深度审查 agent 在各自段落内并行执行长链推理，同时保留全文上下文；最后综合 agent 结合搜索工具去重、校验引用并生成最终报告。该设计避免重复消耗上下文预算，并抑制多次采样带来的幻觉累积。

实验结论

• 在 SPOT 基准的 26 篇数学/CS 撤稿论文上，PAT 召回率达 89.7%，较零-shot 基线提升约 34 个百分点。STOC 与 ICML 试点共审查逾 4700 篇投稿，超 90% 作者认为反馈有帮助，35% 的 ICML 作者报告 PAT 指出了需耗时修复的理论漏洞，31% 因此补做新实验。系统目前仅检测客观错误，不替代人工决策，仍受日期幻觉、PDF 解析与推理误判限制。

适合谁阅读