DIAGPaper：通过多代理推理诊断科学论文中有效且具体的不足

使用单代理或多代理LLM识别论文不足正受到越来越多的关注，但现有方法存在关键局限。许多多代理系统仅在表面层次模拟人类角色，忽略了引导专家从互补的智识维度评估论文的底层标准。此外，既有方法隐含假设所识别的不足是有效的，忽视了审稿人偏见、误解以及作者反驳（rebuttal）在验证评审质量中的关键作用。最后，多数系统输出未排序的不足列表，而非为用户优先呈现最具后果的问题。在这项工作中，我们提出DIAGPaper，一个通过三个紧密集成模块应对这些挑战的新型多代理框架。customizer模块模拟人类定义的评审标准，并实例化多个具有特定标准专长的审稿代理。rebuttal模块引入作者代理，与审稿代理进行结构化辩论，以验证并完善所提出的不足。prioritizer模块从大规模人类评审实践中学习，评估已验证不足的严重程度，并向用户呈现最严重的top-K项。在AAAR与ReviewCritique两个基准上的实验表明，DIAGPaper产出的不足更有效、更贴合论文本身，并以面向用户、按优先级排序的方式呈现，显著超越现有方法。