华科大提出LLM校准层，统一顶会审稿评分尺度
用LLM分析评语生成参考分数，减少人为评分尺度差异，提升顶会评审公平性。
AI顶会投稿量激增，审稿人评分尺度差异越来越大，同一评语可能对应悬殊分数。华科大团队没有让LLM直接审稿，而是在现有流程后加一层校准模块：用LLM分析审稿评语生成一个锚点分数，与实际评分对比，偏差过大则触发轻量复核。实验表明，校准后的论文排序与长期引用量的匹配度更高，边缘论文的筛选更合理。
正文摘录
 新智元报道  21,575。 这是 NeurIPS 2025 收到的论文投稿数量。 与 2020 年相比，这一数字增长超过一倍。与此同时， ICLR 2026 投稿量也逼近 2 万篇 。AI 顶会热度持续走高，海量稿件涌入的背后，同行评审体系长期存在的痛点被无限放大。 不少投稿人都有同款困惑：两份措辞高度接近的审稿意见，最后给出的分数却能相差巨大。如今投一篇顶会论文，体验越来越像一场纯靠运气的「 抽卡游戏 」。 例如，两位审稿人都认为论文「缺少必要的消融实验」。其中一位认为只是需要补充实验，因此给出较高分；另一位则将其视为影响论文质量的关键问题，直接给出低分。 表面上，两人的意见高度一致，真正不同的是，他们对同一句评语对应着不同的评分尺度。 随着投稿规模不断扩大，这种评分尺度的不一致，正成为影响同行评审公平性和稳定性的重要因素 。  近日，来自华中科技大学的李钦宾研究团队在 ICML 2026 Position Paper Track 提出了一种新的解决思路： 不是让大语言模型替代人类审稿，而是利用 LLM 对「评语—分数」 之间的映射关系进行校准。