ICLR2026中稿预测出炉：首次全流程模拟审稿，结果提前放榜

本文背景为学术同行评议过程具有高度主观性和复杂性，难以系统建模。研究目的是通过构建PaperDecision框架，包括动态基准数据集PaperDecision-Bench和多智能体系统PaperDecision-Agent，以模拟学术论文从评审到决策的全流程，并预测ICLR 2026的论文接收结果。实验使用多款多模态大语言模型进行评估，结果显示模型在预测接收或拒绝任务中可达81.92%的准确率，并揭示了审稿分数、作者回复质量、创新性、专家意见等因素对论文接收的关键影响。结论表明，该框架不仅能有效预测论文结果，还有助于理解评审机制、识别系统偏差，并为未来人机共评体系提供支持，以促进更公平、透明的学术评审。