提出Beyond Rating多维评估框架,从内容保真度、论证对齐性、焦点一致性、问题建设性及AI似然性五个维度评估AI评审文本质量,引入Max-Recall策略处理专家分歧,并构建高置信度评审数据集,实验表明弱点评分召回率等文本中心指标比传统ngram指标更符合人类偏好。
机构:复旦
来源:arXiv 2604.19502 | AI4Papers 论文推荐平台