AI论文评审新框架EquiReview-R：减少过度批评且不遗漏重大问题
研究团队提出将AI辅助评审视为证据引导的关切点细化过程，在冻结的未见论文集上，将重大过度批评率从 15.5% 降至 8.1%，同时达到预设的重大遗漏非劣效标准。
AI解读：AI评审系统能生成大量具体批评，但批评多不等于评审质量高。问题在于，评审可能遗漏关键弱点，也可能保留证据不足的指控，这两类错误需要相反的修正方向，而现有生成式系统和总体指标掩盖了这种区别。EquiReview-R将评审重新定义为对结构化关切点的证据引导细化，把遗漏和过度批评视为独立风险进行处理：系统先针对局部证据解决现有关切，再从独立和评审条件化视角搜索缺失问题，最终输出继续、停止或推迟的判断。在一组冻结的未见论文上，该系统将重大过度批评从 15.5% 降到 8.1%，重大遗漏达到预设的非劣效标准（单侧遗漏上限 9.9%），并在 52.4% 的论文上主动停止评审。相比计算量匹配的对照模型，改进来自修订机制而非额外推理或输出更短。对论文作者而言，这意味着评审可能更聚焦于证据支持的实质问题，减少无根据的苛责；对研究AI评审的开发者，这套方法的贡献在于把遗漏和过度批评分开评估，并提供了带证据链接的轨迹数据集ReviewTrace，可用于研究评审修订和溯源。目前这只是arXiv预印本，尚未经过同行评议，效果数据仅来自受限的实验设置，实际采用时仍需谨慎验证。
arXiv于 2026 年 9 月 3 日提交的预印本论文（编号 2609.03943v1）提出EquiReview-R——一种将AI辅助评审视为证据引导的关切点细化过程的新框架。作者Zexing Zhang、Jichao Li、Tianyang Lei、Yude Fu和Yang Kewei指出，AI评审者能生成大量具体批评，但更多批评并不等于更好的评审；评审可能遗漏重大弱点，也可能保留缺乏证据支持的指控，这两类失败需要相反的修正，而现有生成导向系统与聚合指标无法区分二者。
EquiReview-R的设计与改进效果
EquiReview-R将遗漏与过度批评视为独立风险。它先针对局部证据解决既有关切，再从独立视角和评审条件化视角搜索缺失问题，并输出停止、继续或推迟三种判断。
在冻结的未见论文队列上，系统满足预设的重大遗漏非劣效标准：单侧遗漏上限为 9.9%，重大过度批评率从 15.5% 降至 8.1%，同时在 52.4% 的论文上主动停止评审。计算量匹配的对照、受控配对和消融实验表明，改进来自修订机制，而非额外推理或缩短输出。
ReviewTrace语料库的发布
为暴露促使设计的问题模式，作者构建了带证据链接的轨迹语料库ReviewTrace，并已发布。回顾性分析显示，修订必须先于进一步搜索：高召回评审中几乎所有关切都缺乏明确的证据处置，而早期精细化机制无法修订这些关切。
论文以预印本形式发布，尚未经同行评议；完整数据、代码及语料库可通过arXiv页面获取（arXiv:2609.03943v1）。