Сговор рецензентов более чем вдвое повышал вероятность их назначения на целевые статьи

Кратко

В компьютерной модели конференции сговорившиеся рецензенты чаще получали статьи, выбранные их группой, и оценивали эти статьи примерно на два балла выше честных рецензентов. Общий результат для всей конференции оставался небольшим, а точно обнаружить сговор по заявкам на статьи удавалось лишь в небольшой доле случаев.

Зачем это знать

Это показывает, как взаимные договорённости могут незаметно менять распределение статей, даже если общий ущерб для конференции невелик. Вывод получен в компьютерной модели с ИИ, поэтому он предупреждает о риске, а не описывает реальные конференции.

Разбор

Авторы построили виртуальную конференцию и сравнивали два мира с одинаковыми статьями, рецензентами и правилами назначения. Менялось только поведение части рецензентов: в одном мире все действовали честно, в другом некоторые заранее объединялись в небольшие группы и выбирали статьи коллег по тематической близости. Такой парный эксперимент нужен потому, что в реальной конференции нельзя одновременно увидеть, что произошло, и что произошло бы без сговора.

Сговор здесь не сводился к случайному выбору чужих работ. Группы формировались из рецензентов, чьи научные интересы совпадали, а каждый участник мог нацеливаться только на статьи коллег из своего списка наиболее близких по теме работ. Поэтому модель проверяла более правдоподобный сценарий: договорённости не обязательно выглядят как интерес к совершенно чужой области.

Отдельно проверили, можно ли заметить проблему уже на этапе заявок. Простое наблюдение за положительными заявками оказалось ненадёжным: рецензент действительно может выбрать статью из-за научного интереса, а не из-за сговора. Более строгий просмотр только заявок с максимальной заинтересованностью помогал находить некоторые локальные группы, но пропускал много случаев. Все выводы относятся к поведению настроенных языковых моделей в симуляции, а не к наблюдению реальной конференции.

Ключевые цифры

100 статейМодель проверяли на полноценном наборе из ста заявок из нескольких областей компьютерных наук, а не на одном искусственном примере.

92 рецензента-автораИменно среди такого большого пула участников моделировали группы, способные влиять на распределение работ.

20 наиболее близких статейКаждый рецензент выбирал заявки не из всего списка подряд, а из двадцати работ, наиболее похожих на его научные интересы.

7 запусковЭксперимент повторили несколько раз, чтобы проверить, не зависит ли результат от случайности конкретного прогона модели.

Можно ли доверять

Это препринт с arXiv, поэтому его ещё не проверили независимые рецензенты. Кроме того, исследование основано на симуляции с языковыми моделями и искусственно заданными правилами, а не на данных реальной конференции; семь запусков помогают оценить устойчивость, но не заменяют проверку в настоящих циклах рецензирования.

Пересказано ИИ по научной статье. Как это устроено

Источник и детали

ЖурналarXiv (cs.AI)

Дата публикации у нас7 сентября 2026 г.

Дата источника4 сентября 2026 г.

ОригиналОткрыть

АвторыJicheng Zhou, Kemou Li, Kahim Wong, Zheyuan Li, Zhuan Shi, Fengpeng Li, Haiwei Wu, Jiantao Zhou