核心用法
Academic Paper Reviewer 是一套基于 Hermes Agent 的多智能体学术审稿系统，采用7个专业化Agent协同工作：intake_agent（接收论文并确定审查类型）、methodology_reviewer（方法严谨性评估）、evidence_reviewer（证据充分性与引用质量）、argument_reviewer（逻辑一致性与论证结构）、domain_reviewer（领域专长与文献定位）、editor_in_chief（综合评审并给出编辑决策）、revision_coach（生成可执行的修订路线）。
系统提供6种工作模式：full（完整5维评审）、re-review（修订稿复审）、quick（快速主编评估）、methodology-focus（方法专项审查）、guided（苏格拉底式引导改进）、calibration（审稿员校准训练）。通过delegate_task实现并行执行，支持多语言触发词（含中文"審稿"、"同儕審查"、"論文審查"）。
显著优点
- 多维度结构化评估：将主观审稿转化为可量化的5维度评分（方法30%、证据25%、论证25%、领域20%），降低评审偏差
- 并行Agent架构：4个专业审稿人同时工作，大幅提升审稿效率
- 可追溯的修订路线：revision_coach将批评转化为优先级排序、工作量估算、依赖关系明确的行动项
- 校准机制：支持FNR/FPR/AUC指标追踪，持续优化审稿质量
- 盲审合规：内置规则确保审稿人无法获取作者信息
潜在局限
- 依赖原始论文质量：若输入论文本身结构混乱，Agent可能产生偏差评估
- 校准模式门槛高：需5篇以上带真实标签的历史论文才能启用校准
- 领域特异性限制：domain_reviewer的专长受训练数据边界约束，极冷门交叉领域可能覆盖不足
- 评分标准化挑战：不同学科对"Accept/Major Revision"的阈值认知存在差异
适合人群
- 投稿前自检：研究人员在正式投稿前进行系统性质量把关
- 研究生培养：导师用于训练学生理解同行评审标准
- 期刊预筛选：编辑部用于初步分流稿件
- 审稿培训：新审稿人通过calibration模式建立评分基准
常规风险
- 过度自信风险：系统输出具权威性外观，用户可能忽视AI无法判断的学术伦理问题
- 迭代依赖：revision_roadmap的准确性高度依赖前期4个reviewer的输出质量
- 版权合规：系统采用CC BY-NC 4.0协议，商用场景需注意非商业限制