从被动生成到主动探究：一种主动式科学同行评审智能体

大型语言模型在自动化科学同行评审中展现出潜力，但现有方法常因缺乏基于累积证据主动探究可疑部分的能力，难以生成有深度的评审。本文提出 ProReviewer，一种将审稿过程建模为马尔可夫决策过程（MDP）的智能体。该智能体通过维护结构化评审日志作为工作空间，追踪证据与中间发现，从而指导主动审查。实验表明，经监督微调与强化学习优化的 ProReviewer（8B 参数），在五项质量维度上均获最高平均分，显著优于提示工程方法及最强微调基线，并在人工评估中胜率最高。