面临偕行评审，，，，，许多作者都有过这样的履历：显着回覆了审稿人的每一个问题，，，，，态度也足够谦卑，，，，，为什么最终照旧没能感动对方？？？？？？？ ？
现有的通用大模子在处置惩罚这类使命时，，，，，往往陷入一种 “外貌礼貌” 的陷阱：它们擅永天生流通、委婉的 “Thank you for your insightful comment”，，，，，却缺乏对审稿人言外之意的深度洞察，，，，，导致回复虽然客套，，，，，但缺乏直击痛点的说服力。。。。。。。。
事实什么样的回复战略，，，，，才华在有限的篇幅内，，，，，有用消除误解、赢得共识？？？？？？？ ？
针对这一问题，，，，，来自香港科技大学的研究团队提出了一种全新的框架 ——RebuttalAgent。。。。。。。。该研究首次将认知科学中的心智理论（Theory of Mind, ToM）引入学术 Rebuttal 使命，，，，，让 AI 能够像资深学者一样 “读懂” 审稿人，，，，，从而天生兼具战略性与说服力的回复。。。。。。。。
现在，，，，，该论文已被ICLR 2026吸收。。。。。。。。
论文问题：Dancing in Chains: Strategic Persuasion in Academic Rebuttal via Theory of Mind论文链接：https://arxiv.org/pdf/2601.15715代码链接：https://github.com/Zhitao-He/RebuttalAgent
Rebuttal 需要怎样的博弈智慧？？？？？？？ ？
在学术界的博弈论视角下，，，，，Rebuttal 是一个典范的“不完全信息动态博弈”（Dynamic Game of Incomplete Information）。。。。。。。。作者不但要面临审稿人显性的质疑，，，，，还要应对隐性的信息差池称，，，，，你不知道审稿人的知识配景、潜在私见，，，，，也不知道你的诠释会引发怎样的连锁反应。。。。。。。。
现有的基于监视微调的模子，，，，，大多止步于对人类回复的‘语言学拟态’。。。。。。。。它们精准复刻了礼貌的‘外壳’，，，，，却未能触及审稿人意图的‘内核’，，，，，即缺乏对审稿人的深度建模。。。。。。。。 针对这一痛点，，，，，研究者提出了 RebuttalAgent，，，，，其焦点洞察：有用的说服机制，，，，，必需建设在对他人的‘心智理论’建模之上。。。。。。。。
图一：RebuttalAgent 框架总览图，，，，，展示 Data Preparation, TSR Framework 和 Agent Training 三个阶段
TSR 框架 —— 先 “读心” 再 “落笔”，，，，，
重构 AI 的思索链路
RebuttalAgent 并没有直接端到端地天生回复，，，，，而是模拟了人类专家的头脑历程，，，，，通过ToM-Strategy-Response (TSR)框架来拆解这一重大使命：
1. ToM（心智理论建模）：不但仅是读文本 AI 首先充当一名 “剖析师”，，，，，对审稿意见举行分层剖析。。。。。。。。
宏观层面（Macro-level）： 判断审稿人的整体立�。。。。。。。。ń邮� / 拒绝）、态度（建设性 / 消极）以及领域专业度。。。。。。。。微观层面（Micro-level）： 拆解每一条谈论背后的焦点关切（是要领论缺陷？？？？？？？ ？照旧纯粹的表达不清？？？？？？？ ？）。。。。。。。。 这种建模让 AI 不再盲目回复，，，，，而是先构建出审稿人的 “心理画像”。。。。。。。。
2. Strategy（谋定此后动）：基于上述画像，，，，，AI 会天生一个明确的战略妄想。。。。。。。。例如，，，，，面临一个 “专业度高但态度嫌疑” 的审稿人，，，，，战略可能是 “先认可局限性以建设信托，，，，，再用增补实验数据举行强力还击”；；；；；；；；而面临 “误解型” 谈论，，，，，战略则是 “澄清看法，，，，，重述焦点孝顺”。。。。。。。。
3. Response（精准攻击）：最后，，，，，AI 团结原始论文片断、战略妄想和审稿人画像，，，，，天生最终的回复。。。。。。。。
表一：评估的一致性：Rebuttal-RM 在对齐人类偏好上逾越 GPT-4.1
无需外部导师，，，，，
“自我博弈” 中习得说服的艺术
为了训练这样一个能够 “运筹帷幄” 的 Agent，，，，，研究团队面临的最大挑战是数据的稀缺与主观性。。。。。。。。为此，，，，，他们构建了RebuttalBench，，，，，包括凌驾 7 万条高质量的 “剖析 - 战略 - 回复” 链条数据。。。。。。。。
更进一步，，，，，研究者引入了Self-Reward 机制的强化学习战略。。。。。。。。与古板的依赖外部奖励模子差别，，，，，RebuttalAgent 使用自身天生的评价信号举行迭代：
名堂与逻辑奖励： 确保 AI 真的在举行思索和结构，，，，，而不是形式主义。。。。。。。。多样性奖励： 这是一个要害设计。。。。。。。。为了避免 AI 偷懒天生 “万金油” 式的套话（如重复使用"We thank the reviewer..." 模板），，，，，研究者设计了多样性处分，，，，，迫使模子探索更多样、更像人类专家的表达方法。。。。。。。。
从 “辞藻堆砌” 到 “攻心为上”：
当 AI 学会了换位思索
为了量化评估效果，，，，，研究团队开发了Rebuttal-RM，，，，，这是一个专门针对学术批驳场景训练的奖励模子。。。。。。。。在与人类专家评分的一致性测试中，，，，，Rebuttal-RM 的体现逾越了 GPT-4.1。。。。。。。。
在这一评估系统下，，，，，RebuttalAgent 展现出了显著优势：
在综合得分上，，，，，RebuttalAgent 抵达了9.42，，，，，显著优于 GPT-4.1 和 O3 。。。。。。。。在说服力（Persuasiveness）这一焦点指标上，，，，，提升尤为显着，，，，，批注引入 “心智理论” 确实增强了模子在看法交锋中的有用性。。。。。。。。
表二：RebuttalAgent 与其他强基线的性能比照
“即插即用” 的头脑外挂：
让小模子也能像专家一样思索
RebuttalAgent 天生的 “剖析（Analysis）” 和 “战略（Strategy）” 是否具有普适性？？？？？？？ ？研究者设计了一个巧妙的实验：将 RebuttalAgent 天生的战略作为上下文（Context），，，，，喂给参数目较小的基础模子（如 Qwen3-8B 和 Llama-3.1-8B），，，，，视察它们的体现转变 (Average Score)。。。。。。。。
实验发明，，，，，这是一个通用的 “头脑外挂”。。。。。。。。仅需引入 RebuttalAgent 的战略指导，，，，，Qwen3-8B 在 “表达清晰度” 上的得分就暴涨了 21.0%，，，，，这有力地证实晰 TSR 框架的可迁徙性。。。。。。。。
做科研路上的 “理性副驾驶”，，，，，
而非 “幽灵写手”
RebuttalAgent 的提出，，，，，展示了 LLM 在处置惩罚高阶认知使命，，，，，特殊是涉及重大人际博弈和战略相同场景的重大潜力。。。。。。。。但 Agent 无法替你完成实验，，，，，也不会凭空捏造数据，，，，，模子在训练之初就刻意剥离了涉及实验效果天生的指令，，，，，杜绝了 “幻觉造假” 的可能。。。。。。。。
突破 “新手墙”：关于许多刚踏入学术圈的新手而言，，，，，面临犀利甚至尖锐的审稿意见，，，，，往往容易陷入恐慌或爆发防御性心态。。。。。。。。RebuttalAgent 的价值正是在于提供战略性的建议与适用的技巧，，，，，资助作者战胜情绪滋扰，，，，，理清逻辑脉络，，，，，组织得体的语言。。。。。。。。增进学术交流：论文的焦点价值在于 “提升学术对话的清晰度与建设性”。。。。。。。。它致力于消除因表达不当或相同战略缺失而造成的误解，，，，，让审稿人与作者的对话回归真理自己，，，，，而非陷入情绪对抗或纯粹的语言技巧博弈。。。。。。。。
RebuttalAgent 实质上是对大语言模子在严重信息差池称条件下战略说服能力的一次探索性研究。。。。。。。。最终的科学判断与责任，，，，，始终掌握在人类作者手中。。。。。。。。
作者先容：
何致涛，，，，，香港科技大学盘算机系河南嵩山文旅开发有限公司博士生，，，，，导师 Yi R. (May) Fung。。。。。。。。曾在中国科学院自动化研究所、清华大学 AIR、蚂蚁集团从事研究，，，，，并在 ACL、NeurIPS、COLM、ICLR 等机械学习与自然语言处置惩罚顶级聚会上揭晓多篇论文。。。。。。。。