TADDLE：一种用于检测缺陷性 LLM 生成同行评审的工具增强型智能体

针对大型语言模型生成的同行评审日益普遍但缺陷难测的问题，本文提出 TADDLE，一种工具增强型智能体及首个专家标注基准。该基准包含 1800 篇评审，涵盖六类缺陷。TADDLE 将检测任务分解为验证、纠正、补全和转换四个专用工具，由智能体协调 orchestration，并通过两阶段半监督学习整合输出。实验表明其在二元检测和多标签分类任务中表现优异。