AI生成评审用于训练后续评审模型，可能使判断趋同

大语言模型越来越多地作为自动评审或人类评审助手参与科研评价。模型生成的评审进入公开数据和后续训练语料后，AI同行评审可能形成递归反馈：后续模型学习前代模型的判断。本文在受控设置中研究其中一步，从Llama 3.1 8B出发，先用2018—2023年ICLR官方评审微调评审模型，再用2024年ICLR数据训练四个后续模型，系统调整官方与模型生成评审的混合比例。合成评审压缩了评分分布，并降低同一论文和整体语料层面的语义多样性，作者称之为“科研判断塌缩”。为缓解问题，开源系统TrustReviewer从两个阶段干预：训练时在筛选语料上单阶段训练核心评审模型，减少低质量和语义退化监督；测试时通过成对激活引导，进一步抑制残留的判断塌缩，无需额外训练或专家标注。结果刻画了递归评审训练的一项具体风险，并提供保持判断多样性、改善AI辅助科研评价推荐对齐的干预方式。