FanBroWell/AI-paper-reviewer：AI论文审阅者：基于LLM的学术论文评审工具

MIT License

项目介绍

FanBroWell/AI-paper-reviewer 是一个托管在 GitHub 上的开源项目，主要使用 HTML 编写，采用 MIT License 许可证，目前获得 14 个 Star、1 次 Fork。

仓库全名: FanBroWell/AI-paper-reviewer
开源许可证: MIT License
Star 数: 14
Fork 数: 1

README 摘要

🔍 AI-paper-reviewer 在 reviewer 发现问题之前，先自己发现。面向 NeurIPS、ICML、ICLR、AAAI、KDD 等顶会投稿场景的严格论文自审 prompt 工具箱。它帮助你在投稿前检查逻辑、claim、实验、引用、双盲匿名、可复现性和 rebuttal 风险。 🇨🇳 中文 · 🇬🇧 English 很多拒稿痛点并不是一个致命错误,而是一串本来可以提前修掉的问题:claim 过强、定位不清、数字不一致、引用缺失、写作含糊、双盲泄露。它帮你提前抓什么证据支撑不了的过强 claim reviewer 容易挑战的 significant、novel、state-of-the-art 引用缺口、相关工作定位不足、疑似幻觉引用 Abstract / Table / Figure 里的数字不一致投稿前的 reproducibility checklist 风险…

完整内容见 GitHub 原始 README 或本页。

常见问题

AI-paper-reviewer 用什么语言开发？

主要使用 HTML 编写，采用 MIT License 许可证，目前有 14 个 Star。

AI-paper-reviewer 可以免费商用吗？

如何获取 AI-paper-reviewer 的源码？

可以直接克隆仓库：git clone https://github.com/FanBroWell/AI-paper-reviewer.git；安装与运行步骤见仓库 README。

AI-paper-reviewer 最近还在维护吗？

仓库最近一次更新为 6月12日，当前没有未关闭的 Issue；Star 数为 14，可作为社区活跃度的参考。

关于

GitHub 原始描述（英文）

AI Paper Reviewer: LLM-based tool for academic paper review

aaai academic-paper-review academic-writing ai-paper-reviewer ai-research-writing chatgpt claude iclr icml kdd llm neurips paper-review paper-writing peer-review prompt-engineering research-paper reviewer reviewers

MIT License
14 Stars
1 Forks
14 Watching

描述取自 GitHub 官方 API，保持仓库作者书写的原文。

简要分析

热度分

价值分

活跃状态

活跃

GitHub

语言占比

HTML

Python

贡献者

github-actions[bot]

FanBroWell

🔍 AI-paper-reviewer

在 reviewer 发现问题之前，先自己发现。

面向 NeurIPS、ICML、ICLR、AAAI、KDD 等顶会投稿场景的严格论文自审 prompt 工具箱。它帮助你在投稿前检查逻辑、claim、实验、引用、双盲匿名、可复现性和 rebuttal 风险。

🇨🇳 中文 · 🇬🇧 English

很多拒稿痛点并不是一个致命错误,而是一串本来可以提前修掉的问题:claim 过强、定位不清、数字不一致、引用缺失、写作含糊、双盲泄露。

它帮你提前抓什么

证据支撑不了的过强 claim
reviewer 容易挑战的 significant、novel、state-of-the-art
引用缺口、相关工作定位不足、疑似幻觉引用
Abstract / Table / Figure 里的数字不一致
投稿前的 reproducibility checklist 风险
正文、链接、metadata、acknowledgments 里的双盲泄露
本可以在 rebuttal 前就修掉的问题

这个项目是什么

AI-paper-reviewer 是一组可直接复制到 Claude / ChatGPT / Gemini / Codex 的 paper review prompts。它综合 NeurIPS / ICML / ICLR / AAAI / KDD 多届顶会 reviewer guidelines、OpenReview 公开讨论以及作者本人的投稿与 rebuttal 经验,整理成一套可复用的投稿前自审流程。

它不是帮你“包装”论文,而是帮你用 reviewer 的视角提前发现论文中最容易被扣分的地方。

✨ 核心特色

🎯 10 维度审查框架 — 逻辑 / 实证 / 写作 / 引用 / 数学符号 / 双盲 / 格式 / 语言 / 结构 / 红旗
🚨 4 级红旗体系 — 🔴 Critical / 🟠 Major / 🟡 Minor / 🟢 Pass,优先级清晰
📊 段落级精细审查 — 每段给 10 维度评分 + 逐句改写建议
🔁 全局问题追踪 — redefine 类 claim、state-of-the-art 频次、符号一致性贯穿全篇
🤝 顶会风格 native — IEEE / ACM / NeurIPS / ICLR 标准
📋 可复现性 checklist 助手 — 帮你 1 分钟填好 21 项 NeurIPS / ICML reproducibility 问卷
🛡️ 双盲合规扫描 — 自动检测真名 / 邮箱 / 学校 / 路径 / metadata 残留

🚀 3 分钟开始自审

1. 打开你的 AI 对话(Claude / ChatGPT / Gemini 都行)
2. 复制 prompts/02_paragraph_audit.md 整块到对话框
3. AI 回复 "准备好了"
4. 按段落贴 paper 内容,拿到严格审查 + 可直接替换的改写建议

最常用的是 02_paragraph_audit.md:适合在改稿时一段一段过,持续追踪 claim、citation、notation、numbers 和 reviewer red flags。

English users can use README_EN.md and the matching English prompt files in prompts_en/.

📑 目录

Part I: 核心审稿工作流

文件	用途	使用场景
`00_master_workflow.md`	完整 10 维度审稿工作流	主入口
`01_full_paper_audit.md`	整篇 paper 审查	大 milestone 用
`02_paragraph_audit.md` ⭐	单段精细审查 + 全局追踪	最高频

Part II: 章节专项

文件	用途
`03_abstract_polish.md`	Abstract 专项审查
`04_intro_polish.md`	Introduction 专项(砍 cite + 去 puffery)
`05_method_polish.md`	Methodology 专项(符号 + 算法描述)
`06_experiments_check.md`	Experiments + Table 数字一致性
`07_conclusion_polish.md`	Conclusion 专项(去 marketing tone)

Part III: 专项 Check

文件	用途
`08_double_blind_check.md`	🛡️ 双盲合规扫描(姓名 / 路径 / metadata)
`09_citation_ieee_format.md`	BibTeX → IEEE bibitem 转换
`10_math_notation_check.md`	τ / θ / σ / ρ 符号一致性
`11_anti_AI_smell.md`	去 “AI 味”(机翻痕迹 / 模板腔)

Part IV: 投稿前后

文件	用途
`12_reviewer_response.md`	Rebuttal / Response to reviewer 起草
`13_repro_checklist.md`	21 项 NeurIPS Reproducibility Yes/No/NA 助手

Part V: 红旗速查

文件	用途
`14_reviewer_red_flags.md`	顶会 reviewer 红旗速查表(随时翻)

🌟 Star History

曲线由 GitHub Actions 每日自动更新。

如果这个项目对你有帮助, 点个 Star 让更多人看到 ⭐

📊 实战效果

真实案例:Abstract 改前 / 改后

examples/case_01_abstract_before_after.md 关键修改 9 处:we are the first → we recast、significantly outperforms → 具体数字、world's largest by volume → 删除等。

真实案例:Methodology 符号一致性修复

examples/case_02_method_audit.md Algorithm 描述里 θ 跟 τ 同时出现导致内部矛盾的修复全过程。

📚 支持文档

docs/10_dimensions_explained.md — 10 维度框架详解
docs/severity_tiers.md — 4 级红旗体系详解
docs/usage_guide.md — 进阶使用指南(跨段对照 / token 优化 / 自动化 pipeline 等)

🎓 10 维度审查框架

维度	核心问题
[A] 逻辑 & 论证	前提 → 结论是否成立?反例考虑了吗?
[B] 实证严谨性	数字 cross-table 一致?baseline 公平?`significantly` 有 p-value?
[C] 写作质量	指代歧义?被动语态滥用?时态一致?
[D] 引用 & 归属	每个 claim 有 cite?自引用第三人称?
[E] 数学符号	同一符号在不同位置代表不同含义?
[F] 双盲匿名性	“we” 之外的身份暗示?metadata 已清空?
[G] 格式 / IEEE	citation 标题 sentence case?表格小数点对齐?
[H] 语言纯净度	中文字符 / emoji / 双语并置残留?
[I] 结构 & 衔接	topic sentence?transition?Figure / Table 在 ref 后被解读?
[J] Reviewer 红旗	`we are the first` / `no matter how complex` / `obviously` 等危险词?

详见 docs/10_dimensions_explained.md。

🚨 4 级红旗体系

等级	含义	处理
🔴 Critical	reviewer 直接拒 / desk reject 风险	必须改
🟠 Major	reviewer 主要扣分点	强烈建议改
🟡 Minor	reviewer 提 minor comment	力推改
🟢 Pass	完全通过	—

详见 docs/severity_tiers.md。

🤝 贡献

发现新的需求，欢迎参与创造。详见 CONTRIBUTING.md。

📄 License

MIT — 可自由商用、修改、分发,需保留版权与许可声明

暂无评论

AI-paper-reviewer