論文の概要: Reimagining Peer Review Process Through Multi-Agent Mechanism Design
- arxiv url: http://arxiv.org/abs/2601.19778v1
- Date: Tue, 27 Jan 2026 16:43:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-28 15:26:51.400264
- Title: Reimagining Peer Review Process Through Multi-Agent Mechanism Design
- Title（参考訳）: マルチエージェント機構設計によるピアレビュープロセスの再構築
- Authors: Ahmad Farooq, Kamran Iqbal,
- Abstract要約: ソフトウェアエンジニアリング研究コミュニティは、システム的な危機に直面している。
このポジションペーパーは、これらの機能障害は計算解に対するメカニズム設計の失敗であると主張している。
本稿では,信用型申請経済,MARL最適化レビュアーの割り当て,一貫性のハイブリッド検証の3つの介入を提案する。
- 参考スコア（独自算出の注目度）: 2.5782420501870296
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The software engineering research community faces a systemic crisis: peer review is failing under growing submissions, misaligned incentives, and reviewer fatigue. Community surveys reveal that researchers perceive the process as "broken." This position paper argues that these dysfunctions are mechanism design failures amenable to computational solutions. We propose modeling the research community as a stochastic multi-agent system and applying multi-agent reinforcement learning to design incentive-compatible protocols. We outline three interventions: a credit-based submission economy, MARL-optimized reviewer assignment, and hybrid verification of review consistency. We present threat models, equity considerations, and phased pilot metrics. This vision charts a research agenda toward sustainable peer review.
- Abstract（参考訳）: ソフトウェアエンジニアリング研究コミュニティは、システム的な危機に直面している。
コミュニティ調査によると、研究者はこの過程を「破滅した」と認識している。
このポジションペーパーは、これらの機能障害は計算解に相応しいメカニズム設計の失敗であると主張している。
本稿では,研究コミュニティを確率的マルチエージェントシステムとしてモデル化し,インセンティブ互換プロトコルの設計にマルチエージェント強化学習を適用することを提案する。
我々は、信用ベースの申請経済、MARL最適化レビュアーの割り当て、レビュー一貫性のハイブリッド検証の3つの介入の概要を概説する。
脅威モデル、株式の考慮、段階的なパイロットメトリクスを提示します。
このビジョンは、持続可能なピアレビューに向けた研究課題をグラフ化します。
関連論文リスト
- DIML: Differentiable Inverse Mechanism Learning from Behaviors of Multi-Agent Learning Trajectories [7.764532811300023]
本研究では,未知のインセンティブ生成機構を,観測された戦略的相互作用トレースから回復する逆メカニズム学習について検討する。
逆ゲーム理論やマルチエージェント逆強化学習とは異なり、ターゲットは非構造化メカニズムを含む。
本稿では,多エージェント学習のモデルを用いて,確率に基づくフレームワークであるDIMLを提案する。
論文 参考訳（メタデータ） (2026-01-25T03:49:25Z) - Learning to Summarize by Learning to Quiz: Adversarial Agentic Collaboration for Long Document Summarization [86.98098988779809]
SummQは長期文書要約のための新しい逆多重エージェントフレームワークである。
提案手法では,包括的な要約を作成し,評価するために協調作業を行う要約ジェネレータとレビュアーを用いる。
広範に使用されている3つの文書要約ベンチマーク上でSummQを評価する。
論文 参考訳（メタデータ） (2025-09-25T08:36:19Z) - AgentCompass: Towards Reliable Evaluation of Agentic Workflows in Production [4.031479494871582]
本稿では,エージェントパイプラインのデプロイ後監視と推論に特化して設計された,最初の評価フレームワークであるAgentを紹介する。
Agentは、主要なメトリクスに関する最先端の結果を達成すると同時に、人間のアノテーションで見逃された重要な問題を明らかにする。
論文 参考訳（メタデータ） (2025-09-18T05:59:04Z) - Identity Theft in AI Conference Peer Review [50.18240135317708]
人工知能(AI)研究における科学的ピアレビュープロセスにおいて,新たに発見されたID盗難事例について論じる。
論文評価の操作に不正なレビュアープロファイルを作成することにより、不正直な研究者がピアレビューシステムをどのように活用するかを詳述する。
論文 参考訳（メタデータ） (2025-08-06T02:36:52Z) - Identifying Aspects in Peer Reviews [59.02879434536289]
我々は、ピアレビューのコーパスからアスペクトを抽出するデータ駆動スキーマを開発した。
我々は、アスペクトを付加したピアレビューのデータセットを導入し、コミュニティレベルのレビュー分析にどのように使用できるかを示す。
論文 参考訳（メタデータ） (2025-04-09T14:14:42Z) - Aspect-Guided Multi-Level Perturbation Analysis of Large Language Models in Automated Peer Review [36.05498398665352]
自動ピアレビューにおいて,大規模言語モデル(LLM)の堅牢性を評価するために,アスペクト誘導多段階摂動フレームワークを提案する。
我々のフレームワークは、ピアレビュープロセスペーパー、レビュー、そして、いくつかの品質面における反論の3つの重要な要素における摂動を探求する。
論文 参考訳（メタデータ） (2025-02-18T03:50:06Z)
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。