yuansiming0920的博客

他们试了好几种LLM（GPT-4、Llama这些），发现不管哪种都有这些问题，只是程度不同。比如哪怕只把5%的人类评审换成被操纵的LLM意见，都会让12%的论文掉出“前30%”（直接影响会议录取）。现在的LLM顶多当个“评审助手”，帮人类整理思路，绝对不能替代人类。得先把这些“被骗”“瞎编”“偏心”的坑填上，加好防护措施（比如检测隐藏文字、去偏见算法），才能谈正经用。不然用得越多，越容易让差论文混进去，毁了学术评审的公平性。