Paper2Rebuttal：透明作者回复辅助的多智能体框架

摘要

撰写有效的 rebuttal 是一项高风险任务，其要求远超语言流畅，还需要审稿人意图与稿件细节之间的精确对齐。当前方案通常把它视为直接生成文本的问题，因而受幻觉、忽视批评意见与缺乏可验证依据之苦。为突破这些局限，我们提出 RebuttalAgent，首个把 rebuttal 生成重构为以证据为中心规划任务的多智能体框架。我们的系统把复杂反馈分解为原子关切，并通过把压缩摘要与高保真文本综合来动态构建混合上下文，同时集成一个自主、按需的外部搜索模块，以解决需要外部文献的关切。通过在起草前生成可检查的响应计划，RebuttalAgent 确保每个论证都显式锚定于内部或外部证据。我们在提出的 RebuttalBench 上验证该方法，证明我们的管线在覆盖度、忠实性与策略连贯性上优于强基线，为同行评审过程提供透明可控的助手。

Paper2Rebuttal：透明作者回复辅助的多智能体框架 — 图1：我们工作的概览。给定一篇稿件和评审意见，(a) 直接文本生成（在同行评审语料上做 SFT）常常编造实验结果且易产生幻觉。(b) 与 chat-LLM 的交互式提示依赖人工输入关切点并进行大量迭代。(c) RebuttalAgent 把反驳（rebuttal）写作重构为一个决策与证据组织问题，执行关切分解、基于查询的内部与外部证据构建，以及策略层面的计划验证，并在起草最终回复前设置人在回路检查点。