Mirror：用于 AI 辅助伦理审查的多智能体系统

伦理审查是现代科研治理的基础机制，但随着伦理风险成为大规模、跨学科科研实践的结构性后果，现行制度面临日益加大的压力。在异质性风险状况下做出一致且站得住脚决策的需求，暴露出的是机构审查能力的局限，而非伦理监督正当性的问题。大语言模型（LLM）的最新进展为支持伦理审查提供了新机会，但其直接应用仍受限于伦理推理能力不足、与监管结构整合薄弱，以及对真实审查材料的严格隐私约束。本工作提出 Mirror，一个用于 AI 辅助伦理审查的 agentic 框架，在统一架构中整合伦理推理、结构化规则解释与多智能体审议。其核心是 EthicsLLM，一个在 EthicsQA 上微调的基础模型；EthicsQA 是从权威伦理与监管语料中提炼的 41K 条“问题-思维链-答案”三元组专用数据集。EthicsLLM 提供细致的规范与监管理解，使 Mirror 能以两种互补模式运行。Mirror-ER（快速审查）通过可执行规则库自动完成快速审查，为最低风险研究提供高效透明的合规检查。Mirror-CR（委员会审查）通过专家智能体、伦理秘书智能体与首席研究者智能体之间的协同互动模拟全体委员会审议，在十个伦理维度上产出结构化的委员会级评估。实证评估表明，与强通用 LLM 相比，Mirror 显著提升了伦理评估的质量、一致性与专业性。