這項(xiàng)由Meta超級(jí)智能實(shí)驗(yàn)室聯(lián)合愛(ài)丁堡大學(xué)進(jìn)行的突破性研究，發(fā)表于2026年3月4日的arXiv預(yù)印本服務(wù)器（論文編號(hào)：arXiv:2603.03142v1），為學(xué)術(shù)界帶來(lái)了一個(gè)全新的AI工具——APRES論文。這個(gè)系統(tǒng)不僅能像經(jīng)驗(yàn)豐富的審稿專家一樣評(píng)估論文質(zhì)量，更令人驚訝的是，它還能自動(dòng)改進(jìn)論文的表達(dá)方式，讓研究成果更容易被理解和引用。
當(dāng)前學(xué)術(shù)界面臨著一個(gè)棘手的問(wèn)題：頂級(jí)會(huì)議每年收到數(shù)萬(wàn)篇投稿，但合格的審稿專家卻嚴(yán)重不足論文。這就像一家餐廳突然涌入大批顧客，但廚師和服務(wù)員的數(shù)量卻沒(méi)有相應(yīng)增加。結(jié)果可想而知：審稿質(zhì)量參差不齊，同一篇論文在不同審稿人眼中可能得到截然不同的評(píng)價(jià)。更讓人頭疼的是，即使是頂級(jí)會(huì)議，兩組獨(dú)立的審稿委員會(huì)對(duì)同一批論文的接受與否意見(jiàn)一致的比例僅為77%，這意味著有將近四分之一的論文命運(yùn)完全取決于"運(yùn)氣"。
研究團(tuán)隊(duì)意識(shí)到，傳統(tǒng)的審稿方式就像用老式的手工作坊來(lái)應(yīng)對(duì)工業(yè)化生產(chǎn)的需求，顯然已經(jīng)不合時(shí)宜論文。他們?cè)O(shè)想：如果能訓(xùn)練一個(gè)AI系統(tǒng)，讓它不僅能像人類專家一樣識(shí)別高質(zhì)量的研究，還能主動(dòng)幫助作者改進(jìn)論文的表達(dá)，會(huì)怎么樣呢？于是，APRES（Agentic Paper Revision and Evaluation System）應(yīng)運(yùn)而生。
APRES的工作原理頗為巧妙，可以比作一個(gè)由兩部分組成的智能寫作助手論文。第一部分是"慧眼識(shí)珠"的評(píng)估師，它不是簡(jiǎn)單地模仿人類審稿人的標(biāo)準(zhǔn)，而是通過(guò)分析大量論文的引用數(shù)據(jù)，自主發(fā)現(xiàn)哪些評(píng)價(jià)標(biāo)準(zhǔn)最能預(yù)測(cè)一篇論文的未來(lái)影響力。這就像是一個(gè)資深的藝術(shù)品鑒定師，通過(guò)多年觀察市場(chǎng)動(dòng)向，練就了一雙能準(zhǔn)確判斷藝術(shù)品未來(lái)價(jià)值的眼睛。第二部分是"妙手回春"的編輯師，它根據(jù)第一部分發(fā)現(xiàn)的標(biāo)準(zhǔn)，對(duì)論文進(jìn)行精準(zhǔn)的文字優(yōu)化，就像一個(gè)經(jīng)驗(yàn)豐富的編輯能讓一篇好文章變得更加引人入勝。
研究團(tuán)隊(duì)從四個(gè)頂級(jí)機(jī)器學(xué)習(xí)會(huì)議（ICLR 2024、ICLR 2025、NeurIPS 2023和NeurIPS 2024）收集了26707篇論文及其對(duì)應(yīng)的審稿意見(jiàn)，這個(gè)數(shù)據(jù)庫(kù)可以說(shuō)是當(dāng)前最全面的學(xué)術(shù)審稿數(shù)據(jù)集之一論文。為了衡量論文的真實(shí)影響力，他們使用了Semantic Scholar提供的"有影響力引用"數(shù)據(jù)，這種統(tǒng)計(jì)方式比簡(jiǎn)單計(jì)算引用次數(shù)更加精準(zhǔn)，因?yàn)樗軈^(qū)分出哪些引用是真正有意義的學(xué)術(shù)討論，哪些只是走過(guò)場(chǎng)的例行提及。
在APRES的核心技術(shù)中，最有趣的部分是它的"智能探索"機(jī)制論文。傳統(tǒng)的AI系統(tǒng)往往使用預(yù)設(shè)的評(píng)價(jià)標(biāo)準(zhǔn)，就像按照固定菜譜做菜一樣。但APRES采用了一種更加靈活的方法：它會(huì)不斷嘗試不同的評(píng)價(jià)標(biāo)準(zhǔn)組合，然后檢驗(yàn)這些標(biāo)準(zhǔn)預(yù)測(cè)論文引用數(shù)量的準(zhǔn)確性。經(jīng)過(guò)200輪的反復(fù)嘗試和優(yōu)化，APRES最終發(fā)現(xiàn)了一套包含60多個(gè)評(píng)價(jià)維度的綜合標(biāo)準(zhǔn)體系，涵蓋了從問(wèn)題表述的清晰度到研究方法的創(chuàng)新性等各個(gè)方面。
展開全文
這套AI發(fā)現(xiàn)的評(píng)價(jià)標(biāo)準(zhǔn)表現(xiàn)如何呢？研究結(jié)果令人印象深刻論文。在預(yù)測(cè)論文未來(lái)引用數(shù)量方面，APRES的準(zhǔn)確率比使用人類審稿人評(píng)分的傳統(tǒng)方法提高了19.6%。更有趣的是，人類審稿人的評(píng)分在預(yù)測(cè)引用方面幾乎沒(méi)有任何效果，其表現(xiàn)與隨機(jī)猜測(cè)相差無(wú)幾。這個(gè)發(fā)現(xiàn)頗具諷刺意味：那些我們認(rèn)為能判斷學(xué)術(shù)質(zhì)量的專家評(píng)分，在預(yù)測(cè)論文真正影響力方面竟然如此不靠譜。
APRES的論文改進(jìn)功能同樣令人矚目論文。當(dāng)系統(tǒng)對(duì)一篇論文進(jìn)行修改后，改進(jìn)版本在79%的情況下都被人類專家評(píng)價(jià)為優(yōu)于原版。這個(gè)過(guò)程就像是一個(gè)文學(xué)編輯幫助作者打磨稿件：系統(tǒng)會(huì)仔細(xì)分析論文的每個(gè)部分，識(shí)別出表達(dá)不夠清晰或邏輯不夠嚴(yán)密的地方，然后提出具體的修改建議。重要的是，APRES被嚴(yán)格限制只能改進(jìn)論文的表達(dá)方式和組織結(jié)構(gòu)，絕不允許修改實(shí)驗(yàn)數(shù)據(jù)或研究結(jié)論，確保了學(xué)術(shù)誠(chéng)信。
研究團(tuán)隊(duì)發(fā)現(xiàn)了一個(gè)有趣的現(xiàn)象：APRES對(duì)處于錄用邊緣的論文改進(jìn)效果最為顯著論文。這些論文往往在科學(xué)內(nèi)容上沒(méi)有太大問(wèn)題，但在表達(dá)方式上存在不足，導(dǎo)致審稿人難以理解其真正價(jià)值。經(jīng)過(guò)APRES的改進(jìn)，這些論文的質(zhì)量評(píng)分平均提升了3.33分（滿分10分），效果相當(dāng)于把一篇"可能被拒絕"的論文提升到"很可能被接受"的水平。相比之下，那些本身就存在根本性科學(xué)問(wèn)題的論文，即使經(jīng)過(guò)文字潤(rùn)色也難以獲得實(shí)質(zhì)性提升。
為了驗(yàn)證APRES的可靠性，研究團(tuán)隊(duì)還進(jìn)行了一項(xiàng)對(duì)比實(shí)驗(yàn)，重現(xiàn)了著名的NeurIPS會(huì)議一致性研究論文。結(jié)果顯示，使用APRES系統(tǒng)的不同AI模型之間的意見(jiàn)分歧僅為19.5%到25.2%，明顯低于人類審稿委員會(huì)23%的分歧率。這意味著AI審稿不僅更加準(zhǔn)確，還更加一致和可靠。
APRES發(fā)現(xiàn)的評(píng)價(jià)標(biāo)準(zhǔn)體系相當(dāng)全面，包含了八個(gè)主要維度論文。在問(wèn)題表述方面，它會(huì)檢查研究問(wèn)題是否明確、是否具有現(xiàn)實(shí)意義、范圍是否恰當(dāng)。在文獻(xiàn)綜述方面，它會(huì)評(píng)估是否全面覆蓋了相關(guān)研究、是否準(zhǔn)確理解了前人工作、是否清晰地指出了研究空白。在方法論方面，它會(huì)判斷所選方法是否適合研究問(wèn)題、描述是否足夠詳細(xì)以便他人重現(xiàn)、技術(shù)實(shí)現(xiàn)是否正確。在結(jié)果分析方面，它會(huì)考查結(jié)果展示是否清晰、分析是否深入、統(tǒng)計(jì)處理是否恰當(dāng)。在討論部分，它會(huì)評(píng)估結(jié)論是否有充分支撐、對(duì)更廣泛影響的討論是否到位、對(duì)研究局限性的認(rèn)識(shí)是否誠(chéng)實(shí)。在原創(chuàng)性方面，它會(huì)衡量概念創(chuàng)新、方法創(chuàng)新和實(shí)證發(fā)現(xiàn)的新穎程度。在寫作質(zhì)量方面，它會(huì)檢查語(yǔ)言是否清晰、邏輯是否連貫、圖表是否美觀易懂。最后，在未來(lái)影響力方面，它會(huì)預(yù)測(cè)研究的教育價(jià)值、實(shí)際應(yīng)用潛力和開啟新研究方向的可能性。
特別有趣的是，APRES在不同類型的論文上表現(xiàn)出了不同的改進(jìn)模式論文。對(duì)于那些科學(xué)內(nèi)容扎實(shí)但表達(dá)欠佳的"邊緣論文"，系統(tǒng)能夠顯著提升其質(zhì)量評(píng)分。而對(duì)于那些根本性科學(xué)問(wèn)題嚴(yán)重的論文，即使經(jīng)過(guò)文字潤(rùn)色，其最終得分也難有大幅提升。這個(gè)發(fā)現(xiàn)符合常識(shí)：再好的包裝也無(wú)法掩蓋產(chǎn)品本身的缺陷。
研究團(tuán)隊(duì)還對(duì)比了不同大語(yǔ)言模型的表現(xiàn)論文。OpenAI的o1和o3模型表現(xiàn)最優(yōu)，平均絕對(duì)誤差分別降到了2.25和1.92。Google的Gemini 2.5 Pro模型也表現(xiàn)不俗，誤差為1.96。這些數(shù)字可能看起來(lái)很抽象，但要知道，傳統(tǒng)方法的誤差通常在5.0左右，這意味著AI系統(tǒng)的預(yù)測(cè)準(zhǔn)確性提升了一倍多。
在實(shí)際應(yīng)用中，APRES采用了一種巧妙的"差異化編輯"方法論文。系統(tǒng)不是直接生成一篇全新的論文，而是指出原文中需要修改的具體位置，然后提供替換建議。這種做法有兩個(gè)好處：首先，它可以精確控制修改范圍，確保不會(huì)意外改動(dòng)實(shí)驗(yàn)結(jié)果等關(guān)鍵內(nèi)容；其次，它讓修改過(guò)程變得透明，作者可以清楚地看到每一處改動(dòng)。
研究團(tuán)隊(duì)通過(guò)人工評(píng)估驗(yàn)證了APRES的改進(jìn)效果論文。他們招募了具有機(jī)器學(xué)習(xí)博士學(xué)位的專家，讓他們盲評(píng)原版論文和AI改進(jìn)版論文。結(jié)果顯示，在364對(duì)比較中，287對(duì)論文的改進(jìn)版獲得了多數(shù)專家的青睞，成功率高達(dá)79%。專家們普遍認(rèn)為改進(jìn)版論文在清晰度、專業(yè)性和整體質(zhì)量方面都有顯著提升。
值得注意的是，APRES的成功很大程度上歸功于它對(duì)評(píng)價(jià)標(biāo)準(zhǔn)的重新發(fā)現(xiàn)論文。傳統(tǒng)的學(xué)術(shù)評(píng)價(jià)往往依賴于會(huì)議或期刊的既定標(biāo)準(zhǔn)，這些標(biāo)準(zhǔn)雖然經(jīng)過(guò)長(zhǎng)期實(shí)踐檢驗(yàn)，但可能并不是預(yù)測(cè)論文影響力的最佳指標(biāo)。APRES通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式，找到了真正與論文未來(lái)影響力相關(guān)的評(píng)價(jià)維度。這就像是發(fā)現(xiàn)了一套更準(zhǔn)確的"成功預(yù)測(cè)公式"。
研究團(tuán)隊(duì)也坦誠(chéng)地指出了APRES的局限性論文。首先，系統(tǒng)目前只能處理論文的文字內(nèi)容，無(wú)法分析圖表和公式，而這些視覺(jué)元素往往包含重要信息。其次，盡管研究團(tuán)隊(duì)努力確保系統(tǒng)只修改表達(dá)而不改變內(nèi)容，但完全避免意外修改仍然是個(gè)挑戰(zhàn)。第三，系統(tǒng)可能存在被惡意利用的風(fēng)險(xiǎn)，比如有人可能會(huì)故意在論文中插入隱藏指令來(lái)操縱AI的評(píng)估。
關(guān)于引用數(shù)量作為影響力指標(biāo)的合理性，研究團(tuán)隊(duì)也進(jìn)行了深入討論論文。他們承認(rèn)引用數(shù)量并非完美的影響力衡量標(biāo)準(zhǔn)，因?yàn)樗赡苁艿窖芯款I(lǐng)域熱度、論文發(fā)表時(shí)機(jī)、作者知名度等多種因素影響。然而，在缺乏更好的大規(guī)模量化指標(biāo)的情況下，引用數(shù)量仍然是最實(shí)用和可操作的選擇。更重要的是，APRES使用的是"有影響力引用"而非簡(jiǎn)單的引用計(jì)數(shù)，這在一定程度上緩解了這個(gè)問(wèn)題。
研究結(jié)果顯示，APRES在不同質(zhì)量檔次的論文上表現(xiàn)出了有趣的差異化效果論文。對(duì)于那些被評(píng)為"明顯應(yīng)該錄用"的高質(zhì)量論文，AI系統(tǒng)的改進(jìn)空間相對(duì)有限，平均只能提升1.67分。這符合常理：已經(jīng)很優(yōu)秀的東西確實(shí)難以再有大幅提升。但對(duì)于那些處于錄用邊緣的論文，APRES展現(xiàn)了強(qiáng)大的改進(jìn)能力，平均提升達(dá)到3.33分。這個(gè)發(fā)現(xiàn)對(duì)學(xué)術(shù)界具有重要意義：許多有價(jià)值的研究可能僅僅因?yàn)楸磉_(dá)問(wèn)題而被埋沒(méi)，AI工具可以幫助這些研究發(fā)揮應(yīng)有的影響力。
研究團(tuán)隊(duì)還進(jìn)行了詳細(xì)的消融實(shí)驗(yàn)，分別測(cè)試了發(fā)現(xiàn)的評(píng)價(jià)標(biāo)準(zhǔn)和智能搜索算法的貢獻(xiàn)論文。結(jié)果表明，這兩個(gè)組件都是不可或缺的：沒(méi)有數(shù)據(jù)驅(qū)動(dòng)發(fā)現(xiàn)的評(píng)價(jià)標(biāo)準(zhǔn)，系統(tǒng)的預(yù)測(cè)能力會(huì)大打折扣；沒(méi)有智能搜索算法，系統(tǒng)無(wú)法找到最優(yōu)的改進(jìn)方案。這就像做菜需要好食材和好廚藝缺一不可一樣。
從技術(shù)實(shí)現(xiàn)角度看，APRES采用了負(fù)二項(xiàng)回歸模型來(lái)處理引用數(shù)據(jù)的特殊分布特征論文。引用數(shù)據(jù)具有典型的"長(zhǎng)尾分布"特征：大多數(shù)論文的引用數(shù)量較少，只有少數(shù)論文獲得大量引用。傳統(tǒng)的線性模型難以處理這種數(shù)據(jù)分布，而負(fù)二項(xiàng)回歸模型正好能夠應(yīng)對(duì)這種挑戰(zhàn)。
在與其他方法的對(duì)比中，APRES展現(xiàn)出了明顯的優(yōu)勢(shì)論文。傳統(tǒng)的基于SPECTER論文嵌入的方法雖然也能預(yù)測(cè)引用數(shù)量，但準(zhǔn)確性遠(yuǎn)不如APRES。更令人驚訝的是，直接使用人類審稿人評(píng)分的方法幾乎沒(méi)有任何預(yù)測(cè)價(jià)值，這個(gè)發(fā)現(xiàn)可能會(huì)讓很多人重新思考傳統(tǒng)學(xué)術(shù)評(píng)價(jià)體系的有效性。
APRES的發(fā)現(xiàn)也為學(xué)術(shù)界提出了一些深刻的問(wèn)題論文。如果AI系統(tǒng)能夠比人類專家更準(zhǔn)確地預(yù)測(cè)論文影響力，那么我們是否應(yīng)該重新審視現(xiàn)有的同行評(píng)議制度？如果論文的表達(dá)方式對(duì)其被接受程度有如此大的影響，那么是否意味著一些優(yōu)秀的研究?jī)H僅因?yàn)樽髡叩膶懽髂芰Σ蛔愣宦駴](méi)？這些問(wèn)題沒(méi)有標(biāo)準(zhǔn)答案，但APRES的研究為我們思考這些問(wèn)題提供了新的視角。
研究團(tuán)隊(duì)特別強(qiáng)調(diào)，他們的目標(biāo)不是取代人類審稿專家，而是為學(xué)術(shù)界提供一個(gè)有力的輔助工具論文。正如他們?cè)谡撐闹兴f(shuō)："應(yīng)該由人類來(lái)判斷哪些發(fā)現(xiàn)真正重要，引導(dǎo)科學(xué)朝著增進(jìn)知識(shí)、豐富生活的方向發(fā)展。"AI系統(tǒng)可以幫助提高評(píng)審的一致性和效率，但科學(xué)研究的價(jià)值判斷最終還是要由人類專家來(lái)完成。
從更廣闊的視角來(lái)看，APRES代表了人工智能在學(xué)術(shù)出版領(lǐng)域應(yīng)用的一個(gè)重要里程碑論文。隨著科研產(chǎn)出的快速增長(zhǎng)和審稿壓力的不斷增加，這類AI工具可能會(huì)成為學(xué)術(shù)界的標(biāo)準(zhǔn)配置。一些頂級(jí)會(huì)議已經(jīng)開始嘗試引入AI輔助審稿系統(tǒng)，比如AAAI 2026開始試點(diǎn)AI生成的補(bǔ)充評(píng)審意見(jiàn)，ICLR 2025則嘗試讓AI為人類審稿人提供實(shí)時(shí)反饋以提高評(píng)審的建設(shè)性。
值得一提的是，APRES的成功也得益于近年來(lái)大語(yǔ)言模型技術(shù)的飛速發(fā)展論文。研究團(tuán)隊(duì)測(cè)試了多個(gè)最新的AI模型，包括OpenAI的o1、o3系列和Google的Gemini 2.5系列，這些模型都表現(xiàn)出了令人矚目的理解和生成能力。特別是在需要深度理解學(xué)術(shù)文本并提供建設(shè)性修改建議的任務(wù)上，最新一代的AI模型已經(jīng)接近甚至超越了人類專家的水平。
對(duì)于普通科研工作者來(lái)說(shuō)，APRES帶來(lái)的最直接好處可能是幫助他們?cè)谕陡迩?預(yù)演"審稿過(guò)程論文。通過(guò)AI系統(tǒng)的評(píng)估和建議，作者可以提前發(fā)現(xiàn)論文中的問(wèn)題并進(jìn)行改進(jìn)，從而提高錄用概率。這就像是在正式考試前先做一次模擬考試，讓考生了解自己的薄弱環(huán)節(jié)。對(duì)于非英語(yǔ)母語(yǔ)的研究者來(lái)說(shuō)，這種幫助尤其寶貴，因?yàn)檎Z(yǔ)言表達(dá)往往是他們面臨的主要障礙。
研究團(tuán)隊(duì)在論文中詳細(xì)披露了實(shí)驗(yàn)數(shù)據(jù)和方法細(xì)節(jié)，體現(xiàn)了良好的科研開放性論文。他們承諾將公開代碼、提示詞和相關(guān)數(shù)據(jù)集，讓其他研究者能夠驗(yàn)證和擴(kuò)展這項(xiàng)工作。這種開放態(tài)度對(duì)于推動(dòng)整個(gè)領(lǐng)域的發(fā)展具有重要意義。
從長(zhǎng)遠(yuǎn)來(lái)看，APRES可能會(huì)催生出一個(gè)全新的"AI輔助學(xué)術(shù)寫作"產(chǎn)業(yè)論文。可以設(shè)想，未來(lái)的學(xué)術(shù)寫作工具不僅能夠檢查語(yǔ)法和拼寫，還能夠分析論文的邏輯結(jié)構(gòu)、評(píng)估其學(xué)術(shù)價(jià)值、預(yù)測(cè)其影響力，甚至提供個(gè)性化的改進(jìn)建議。這將極大地降低高質(zhì)量學(xué)術(shù)寫作的門檻，讓更多優(yōu)秀的研究思想能夠得到恰當(dāng)?shù)谋磉_(dá)和傳播。
當(dāng)然，任何新技術(shù)的應(yīng)用都會(huì)帶來(lái)一些挑戰(zhàn)和擔(dān)憂論文。比如，如果AI輔助寫作變得過(guò)于普及，是否會(huì)導(dǎo)致學(xué)術(shù)論文的同質(zhì)化？如果研究者過(guò)度依賴AI建議，是否會(huì)削弱他們的獨(dú)立思考能力？這些問(wèn)題需要學(xué)術(shù)界在實(shí)踐中逐步探索和解決。
說(shuō)到底，APRES的出現(xiàn)反映了學(xué)術(shù)界對(duì)提高研究傳播效率的迫切需求論文。在知識(shí)爆炸的時(shí)代，如何讓優(yōu)秀的研究成果脫穎而出、如何提高同行評(píng)議的質(zhì)量和效率，這些都是亟待解決的現(xiàn)實(shí)問(wèn)題。APRES提供了一種技術(shù)解決方案，雖然不是萬(wàn)能的，但確實(shí)為改善現(xiàn)狀開辟了新的可能。
這項(xiàng)研究的意義不僅在于技術(shù)本身，更在于它揭示了AI系統(tǒng)在理解和改進(jìn)學(xué)術(shù)文本方面的巨大潛力論文。隨著技術(shù)的不斷進(jìn)步，我們有理由相信，未來(lái)的AI工具將能夠?yàn)閷W(xué)術(shù)研究提供更加精準(zhǔn)、個(gè)性化的支持，幫助研究者更好地表達(dá)他們的創(chuàng)新思想，推動(dòng)科學(xué)知識(shí)的傳播和應(yīng)用。對(duì)于每一位科研工作者來(lái)說(shuō)，掌握和善用這些新工具，可能會(huì)成為在競(jìng)爭(zhēng)激烈的學(xué)術(shù)環(huán)境中脫穎而出的重要技能。
Q&A
Q1：APRES系統(tǒng)是如何預(yù)測(cè)論文影響力的論文？
A：APRES系統(tǒng)通過(guò)分析大量論文數(shù)據(jù)，自主發(fā)現(xiàn)了60多個(gè)與論文未來(lái)引用數(shù)量相關(guān)的評(píng)價(jià)維度，包括問(wèn)題表述清晰度、方法創(chuàng)新性、寫作質(zhì)量等方面論文。它使用負(fù)二項(xiàng)回歸模型處理引用數(shù)據(jù)的特殊分布，預(yù)測(cè)準(zhǔn)確性比傳統(tǒng)方法提高了19.6%，甚至超過(guò)了人類審稿專家的評(píng)分效果。
Q2：AI改進(jìn)的論文是否會(huì)改變研究的核心內(nèi)容論文？
A：不會(huì)論文。APRES被嚴(yán)格限制只能改進(jìn)論文的表達(dá)方式和組織結(jié)構(gòu)，絕對(duì)不允許修改實(shí)驗(yàn)數(shù)據(jù)、研究結(jié)論或核心科學(xué)內(nèi)容。它采用差異化編輯方法，指出具體需要修改的位置并提供替換建議，確保修改過(guò)程透明且保持學(xué)術(shù)誠(chéng)信。在人類專家評(píng)估中，79%的改進(jìn)版論文被認(rèn)為優(yōu)于原版。
Q3：APRES系統(tǒng)適用于所有類型的學(xué)術(shù)論文嗎論文？
A：目前APRES主要針對(duì)機(jī)器學(xué)習(xí)領(lǐng)域的論文進(jìn)行了訓(xùn)練和測(cè)試，使用了來(lái)自ICLR和NeurIPS等頂級(jí)會(huì)議的26707篇論文數(shù)據(jù)論文。系統(tǒng)對(duì)處于錄用邊緣的論文改進(jìn)效果最顯著，能將質(zhì)量評(píng)分平均提升3.33分。不過(guò)系統(tǒng)目前只能處理文字內(nèi)容，無(wú)法分析圖表和公式，且主要適用于英文論文。
