📖 摘要

提出ActReview，基于反驳引导的训练数据和评分奖励生成可操作同行评审。

🔑 关键词速览

ActReview	一个基于反驳引导的后训练框架，用于生成可操作的同行评审反馈。
Actionable Peer-review Generation	生成不仅指出弱点还提供具体修改建议的评审反馈的任务。
Rebuttal-guided	利用作者对审稿意见的反驳来指导模型训练，以提取可行的修改行动。
GRPO	一种强化学习优化算法，用于根据特定评分奖励微调语言模型。
ActReview-Bench	一个包含1000个人工策划实例的基准，用于评估评审生成的诊断质量和修改有用性。