論文の概要: AI and the Future of Academic Peer Review

• arxiv url: http://arxiv.org/abs/2509.14189v1
• Date: Wed, 17 Sep 2025 17:27:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.93523
• Title: AI and the Future of Academic Peer Review
• Title（参考訳）: AIと学術ピアレビューの将来
• Authors: Sebastian Porsdam Mann, Mateo Aboy, Joel Jiehao Seah, Zhicheng Lin, Xufei Luo, Dan Rodger, Hazem Zohny, Timo Minssen, Julian Savulescu, Brian D. Earp,
• Abstract要約: 大規模言語モデル(LLM)は、ジャーナリスト、資金提供者、個人レビュアーによってピアレビューパイプラインで試験されている。 初期の研究は、AIアシストが人間に匹敵する品質のレビューを作成できることを示唆している。 教師付きLDM支援は, 人間の判断を損なうことなく, エラー検出, タイムライン, レビューヤの作業量を改善することができることを示す。
• 参考スコア（独自算出の注目度）: 0.1622854284766506
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Peer review remains the central quality-control mechanism of science, yet its ability to fulfill this role is increasingly strained. Empirical studies document serious shortcomings: long publication delays, escalating reviewer burden concentrated on a small minority of scholars, inconsistent quality and low inter-reviewer agreement, and systematic biases by gender, language, and institutional prestige. Decades of human-centered reforms have yielded only marginal improvements. Meanwhile, artificial intelligence, especially large language models (LLMs), is being piloted across the peer-review pipeline by journals, funders, and individual reviewers. Early studies suggest that AI assistance can produce reviews comparable in quality to humans, accelerate reviewer selection and feedback, and reduce certain biases, but also raise distinctive concerns about hallucination, confidentiality, gaming, novelty recognition, and loss of trust. In this paper, we map the aims and persistent failure modes of peer review to specific LLM applications and systematically analyze the objections they raise alongside safeguards that could make their use acceptable. Drawing on emerging evidence, we show that targeted, supervised LLM assistance can plausibly improve error detection, timeliness, and reviewer workload without displacing human judgment. We highlight advanced architectures, including fine-tuned, retrieval-augmented, and multi-agent systems, that may enable more reliable, auditable, and interdisciplinary review. We argue that ethical and practical considerations are not peripheral but constitutive: the legitimacy of AI-assisted peer review depends on governance choices as much as technical capacity. The path forward is neither uncritical adoption nor reflexive rejection, but carefully scoped pilots with explicit evaluation metrics, transparency, and accountability.
• Abstract（参考訳）: ピアレビューは科学の中心的な品質管理メカニズムであり続けているが、その役割を果たす能力はますます緊張している。 実証的研究は、出版の遅れ、レビュアーの負担を増大させ、少数の学者に集中させ、一貫性のない品質とレビュアー間の合意を低くし、性別、言語、制度的な名声による体系的な偏見を報告している。 人中心の改革の数十年は、限界的な改善しか得られていない。 一方、人工知能、特に大きな言語モデル(LLM)は、ジャーナリスト、資金提供者、個人レビュアーによってピアレビューパイプラインで試験されている。 初期の研究では、AIアシストは人間に匹敵する品質のレビューを作成でき、レビュアーの選択とフィードバックを加速し、偏見を減らし、幻覚、機密性、ゲーム、ノベルティ認識、信頼の喪失に関する独特な懸念を提起している。 本稿では、ピアレビューの目的と持続的な障害モードを、特定のLLMアプリケーションにマップし、それらの使用を許容できるセーフガードとともに、それらが提起する異議を体系的に分析する。 新たなエビデンスに基づいて、目標とするLLM支援が、人間の判断を損なうことなく、エラー検出、タイムライン、レビュアーの作業量を大幅に改善できることを示す。 より信頼性が高く、監査可能で、学際的なレビューを可能にする、微調整、検索強化、マルチエージェントシステムを含む高度なアーキテクチャを強調します。 AI支援によるピアレビューの正当性は、技術的能力と同じくらいガバナンスの選択に依存します。 進路は非クリティカルな採用でも反射的拒絶でもないが、明確な評価指標、透明性、説明責任を持つパイロットを慎重にスコープする。

関連論文リスト

• Automatic Reviewers Fail to Detect Faulty Reasoning in Research Papers: A New Counterfactual Evaluation Framework [55.078301794183496]
  我々は、高品質なピアレビューを支えるコアレビュースキル、すなわち欠陥のある研究ロジックの検出に注力する。 これは、論文の結果、解釈、クレームの間の内部の一貫性を評価することを含む。 本稿では,このスキルを制御条件下で分離し,テストする,完全自動対物評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-29T08:48:00Z)
• CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
  我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。 また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
  論文  参考訳（メタデータ） (2025-08-28T06:03:11Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• Are We There Yet? Revealing the Risks of Utilizing Large Language Models in Scholarly Peer Review [66.73247554182376]
  大規模言語モデル(LLM)がピアレビューに統合された。 未確認のLLMの採用は、ピアレビューシステムの完全性に重大なリスクをもたらす。 5%のレビューを操作すれば、論文の12%が上位30%のランキングでその地位を失う可能性がある。
  論文  参考訳（メタデータ） (2024-12-02T16:55:03Z)
• A Critical Examination of the Ethics of AI-Mediated Peer Review [0.0]
  人工知能(AI)システムの最近の進歩は、学術的な査読のための約束と危機を提供する。 人間のピアレビューシステムは、バイアスや虐待、透明性の欠如など、関連する問題にも悩まされている。 AI駆動のピアレビューの正当性は、科学的倫理と一致している。
  論文  参考訳（メタデータ） (2023-09-02T18:14:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。