EGTR-Review：基于多智能体教师蒸馏的高效证据 grounded 科学同行评审生成

针对现有大模型生成同行评审缺乏证据支持及多智能体系统成本高的问题，本文提出 EGTR-Review 框架。该框架构建多智能体教师执行论文分解、证据检索、验证推理及综述合成，并通过任务前缀驱动的多任务学习，将中间推理轨迹与最终评论蒸馏至轻量级学生模型。引入证据加权目标以减弱弱监督影响。实验表明，该方法在自动指标、LLM 评判及人工评估中均优于基线，显著降低推理成本的同时保持了强事实依据与可追溯性。