論文の概要: Writing for the Reviewer: Defensive Writing in GPT Models

• arxiv url: http://arxiv.org/abs/2610.11355v1
• Date: Thu, 08 Oct 2026 06:47:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.843291
• Title: Writing for the Reviewer: Defensive Writing in GPT Models
• Title（参考訳）: レビュー者のための執筆: GPTモデルにおける防御的執筆
• Abstract要約: 私たちは、他の開発者からGPTバージョンとモデルに、ChatGPT以前に書かれた論文の段落を書き直すよう依頼します。 GPT-6-astraは著者の主張を完全に取り消し、エビデンスシートから書き出すと、依然として最も根拠のない資格が追加される。 結果は、期待されたレビューの説明を好んでおり、誇張の修正は、ほんの一部しか説明していない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Researchers increasingly use ChatGPT to revise their papers, and recent GPT versions often narrow or even retract the authors' claims. We call such changes defensive writing when the given material does not support them, and we test two explanations: the model corrects the authors' overclaiming, or it writes for an anticipated reviewer. We ask GPT versions and models from other developers to rewrite paragraphs from papers written before ChatGPT, or to write from an evidence sheet that lists a paper's method and results. Defensive writing grows with GPT version. GPT-6-astra retracts the authors' claims outright, and when it writes from the evidence sheet, it still adds the most ungrounded qualifications. The results favor the anticipated-review explanation, and correcting overclaiming explains only a small part. When the models are only asked to polish, defense stays near the level of the originals; mentioning review raises it, and one round of self-review raises it further. At the same time, fewer than one in ten of the claims GPT-6-astra retracts are overstated. AI reviewers score defensive rewrites higher, while human readers find them harder to read and the authors less certain. Combining AI writing with AI review may amplify this style.
• Abstract（参考訳）: 研究者たちはChatGPTを使って論文を改訂し、最近のGPT版は著者の主張を狭くしたり取り下げたりすることも多い。 このような変更は、与えられた素材がそれらをサポートしない場合、防御的な書き込みと呼ばれ、モデルが著者の誇張を正すか、予想されるレビュアーのために書き込むかの2つの説明をテストします。 我々は、他の開発者からGPTのバージョンとモデルに対して、ChatGPT以前に書かれた論文の段落を書き直すか、論文の方法と結果を示すエビデンスシートから書くよう依頼する。 ディフェンシブ・ライティングはGPTバージョンで成長する。 GPT-6-astraは著者の主張を完全に取り消し、エビデンスシートから書き出すと、依然として最も根拠のない資格が追加される。 結果は、期待されたレビューの説明を好んでおり、誇張の修正は、ほんの一部しか説明していない。 モデルが磨くように頼まれると、防御はオリジナルのレベルに近づき、レビューに言及するとそれが増え、1ラウンドの自己レビューがさらに上昇する。 同時に、GPT-6-astraのリトラは10分の1に満たない。 AIレビュアーは、防御的な書き直しを高く評価する一方、人間の読者は読みにくく、著者は自信を欠いている。 AI記述とAIレビューを組み合わせることで、このスタイルが増幅される可能性がある。

関連論文リスト

• ActReview: Rebuttal-Guided Training Data and Rubric Rewards for Actionable Peer Review Generation [54.82704239643649]
  本稿では, 紙固有の診断と具体的, 基礎的なリビジョン計画とを結びつける, 反感に満ちたポストトレーニングフレームワークである ActReview を紹介する。 我々の中心的な洞察は、著者の反論は、レビュアーの懸念に対処するための妥当な行動を明らかにし、それゆえ、リビジョン指向のフィードバックに対する潜在的な監督を提供することができるということである。 またActReview-Benchは、診断品質とリビジョンの有用性を評価するために、1,000インスタンスの人為的なベンチマークである。
  論文  参考訳（メタデータ） (2026-09-08T17:30:16Z)
• No Hidden Prompts Needed! You Can Game AI Peer Review with Presentation-Only Revisions [43.03725702558361]
  隠れテキストなし、プロンプトインジェクションなし、メソッド、実験、数値、方程式、証明、数値結果の変更なし。 攻撃者は、抽象的、コントリビューション・フレーミング、関連する作業、議論、物語構造など、プレゼンテーションレベルのコンテンツのみを変更する。 3つの主要なAIレビュアーの中で、敵対的再パッケージングは75.1%の攻撃成功率と平均スコアの+1.21/10を達成する。
  論文  参考訳（メタデータ） (2026-06-11T08:30:18Z)
• Gaming AI-Assisted Peer Reviews Poses New Risks to the Scientific Community [33.39468805524881]
  AIによるピアレビューは、単純で低コストな操作に対して脆弱であることを示す。 これは、人書きとAI生成の両方の論文のために、規律と出版の場にまたがって見られます。 以上の結果から,AIツールを中性評価対象として扱うべきではないことが示唆された。
  論文  参考訳（メタデータ） (2026-06-08T20:38:06Z)
• PaperMentor: A Human-Centered Multi-Agent Writing Tutor for AI Research Papers on Overleaf [51.79108552674703]
  We present PaperMentor, a human-centered writing assistant system that delivers actionable suggestions as Overleaf-native inline comments。 PaperMentorは、既存の研究者の執筆アドバイスから慎重にキュレートされた専門的なスキルライブラリを、論文執筆のさまざまな側面をカバーする12の専門エージェントに統合する。 ユーザ調査では、生成したコメントの90.6%が実行可能であり、67.5%が有効であると評価され、GPT-5.2のベースラインをスキルライブラリを使用せずに大幅に上回った。
  論文  参考訳（メタデータ） (2026-06-07T22:17:15Z)
• Stop Automating Peer Review Without Rigorous Evaluation [51.53099943385505]
  このポジションペーパーは、今日のAIシステムは、論文レビューの作成に使用すべきではない、と論じている。 1)AIレビュアーは、視点の多様性を低下させる論文内および新聞内における過剰な合意の隠れた効果を示す。 ピアレビューの危機に対処するには、ピアレビューの自動化の科学が必要です。
  論文  参考訳（メタデータ） (2026-05-04T22:41:04Z)
• FactReview: Evidence-Grounded Reviews with Literature Positioning and Execution-Based Claim Verification [57.196748998757954]
  本稿では,クレーム抽出,文献位置決定,実行に基づくクレーム検証を組み合わせたエビデンスベースレビューシステムであるFactReviewを紹介する。 FactReviewは論文を提出すると、主要なクレームを特定し、その結果を報告し、論文の技術的な位置を明らかにするために近くの作業を取り出し、コードが利用可能であれば、リリースされたリポジトリを実行する。 その後、簡潔なレビューと、主要な請求を5つのラベルのうち1つに割り当てるエビデンスレポートを生成する。
  論文  参考訳（メタデータ） (2026-04-05T11:45:22Z)
• 'Quis custodiet ipsos custodes?' Who will watch the watchmen? On Detecting AI-generated peer-reviews [20.030884734361358]
  AIが生成したテキストが、ピアレビューを含む科学出版を損なうのではないかという懸念が高まっている。 本稿では,AIが頻繁にトークンを繰り返すことを示唆するTF(Term Frequency)モデルと,ChatGPTが再プロンプト時に同様の出力を生成するという考え方に基づくRR(Review Regeneration)モデルを紹介する。 以上の結果から,提案手法は,他のAIテキスト検出方法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-10-13T08:06:08Z)
• The Great AI Witch Hunt: Reviewers Perception and (Mis)Conception of Generative AI in Research Writing [36.188062803005515]
  研究執筆におけるジェネレーティブAI(GenAI)の利用は急速に増加している。 ピアレビュアーがAIによる増補された写本をどう認識するか、それとも誤認しているかは明らかでない。 我々の研究結果は、AIによって強化された文章は可読性、言語多様性、情報性を改善するが、しばしば研究の詳細や著者からの反射的な洞察を欠いていることを示唆している。
  論文  参考訳（メタデータ） (2024-06-27T02:38:25Z)
• Can We Automate Scientific Reviewing? [89.50052670307434]
  我々は、最先端自然言語処理(NLP)モデルを用いて、科学論文の第一パスピアレビューを生成する可能性について論じる。 我々は、機械学習領域で論文のデータセットを収集し、各レビューでカバーされているさまざまなコンテンツに注釈を付け、レビューを生成するために論文を取り込み、ターゲットの要約モデルを訓練する。 総合的な実験結果から、システム生成レビューは、人間によるレビューよりも、論文の多くの側面に触れる傾向にあることが示された。
  論文  参考訳（メタデータ） (2021-01-30T07:16:53Z)

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。