DREAM: 結合領域知識檢索與多代理推理的結構化論文評估方法

摘要

隨著學術產出快速增長，傳統同行審查面臨人力瓶頸與品質不一等挑戰。現有語言模型在準確性、可解釋性方面仍與人類專家存在落差。本研究提出模組化AI輔助論文審查系統，旨在提升評論準確性、專業性與一致性。系統包含三大組件：(1)反思記憶模組記錄過往錯誤以提高決策穩定性；(2)檢索增強生成(RAG)技術結合跨領域事實知識；(3)多代理系統將可讀性、方法嚴謹性與學術貢獻等子任務分配給專門代理人處理。使用ECNU-SEA/SEA-E作為基線(F1=0.700)，單獨引入記憶模組可提升至0.771；多代理架構達0.750；結合QLoRA微調各代理人後達0.786；整合記憶模組最高可達0.801，展現系統穩定性、擴展性與解釋性。