Sakana AI 发布大模型辅助同行评审系统，可捕获 73% 核心主张错误

Techub News 消息，Sakana AI 发布研究论文《Beyond Imitation》，介绍其围绕错误检测构建的大模型辅助同行评审系统。该系统采用多层评审（MLR）架构，使用 Claude Sonnet 4 与 Claude Haiku 3.5 等现成 API 模型，无需 GPU 或微调，每次评审成本约 0.47 美元。 在一个包含 1,164 个植入矛盾的基准测试中，MLR 系统在 4 次评审下捕获了 73.43% 的核心主张错误，而最佳基线模型仅捕获 14.81%。但在真实撤稿论文测试中，其精确匹配率仅为 16.11%。 该系统包含三个智能体：附录智能体总结实验细节、文献综述智能体进行网络搜索定位研究背景、评审智能体执行三阶段提示链进行评审。论文还指出，MLR 的评审重点与人类存在差异，更强调有效性和实验，而人类更看重清晰度和新颖性。（MarkTechPost）