Ai-Review

              

English

📢 Latest News

• [20/08/2026] 新增 Relative Rank：把你的稿件与目标会议论文（或你自己上传的对照稿）比较，快速定位相对竞争力。入口见这里。100 组评估见 Examples/Relative_Rank_evaluation.md。

📖 关于 Ai-Review

本仓库致力于使用AI优化论文，方便研究者检查稿件的优点、缺点与改进建议，并帮助科研人员快速定位自己论文的相对竞争力。

快速使用（网页版）: 请访问 在线网站。下图是使用预览：

🚀 使用教程

🌐 一、在线网站使用教程

Ai-Review 提供网页端审稿，无需本地环境，打开浏览器即可使用。

1. 基础审稿（LLM）

• 入口：https://ai-review.neurodong.top
• 步骤：上传PDF稿件，选择提示词模式（如 SoT, Few-Shot 等），点击审稿即可获得结构化的Strengths, Weaknesses, Suggestions等意见。
• 说明：可使用页面提供的快速体验，或自行配置 API（如 Deepseek）以获得更稳定的效果。

2. VLM 审稿

• 入口：https://ai-review.neurodong.top/vlm_review.html
• 步骤：上传 PDF，系统对页面进行快照后由VLM审稿，可感知排版与插图信息，适合需要看图、看公式排版的场景。

3. 注入提示词检测

• 入口：https://ai-review.neurodong.top/prompt_injection.html
• 步骤：上传 PDF，系统检测稿件中是否含有用于干扰或劫持 AI 审稿的隐藏指令。
• 说明：若担心 PDF 被人做过手脚，可在依赖 AI 审稿之前先做这一步。

4. Relative Rank（相对竞争力排名）

• 入口：https://ai-review.neurodong.top/compete.html
• 步骤：上传自己的 PDF 稿件。可选择目标会议（如 ICLR、NeurIPS），由系统从该会已录用论文中挑选对照稿；也可自行上传对照论文。系统会对每篇 PDF 匿名化，再按竞争力排出先后，便于你看到自己的稿件排在第几。
• 说明：这是池内论文之间的相对排名，不是会议录用决定，也不做接受/拒稿预测。审稿回答「这篇怎么改」；Relative Rank 回答「跟这几篇比，我排第几」。在 100 组样本上的评估效果（两两正确率 83.8%）见 Examples/Relative_Rank_evaluation.md。

🧩 二、Skills使用教程

在支持Agent Skill的平台（如 Cursor 等）中，可将Ai-Review作为Skill使用，在对话里直接对稿件进行审稿。

1. 获取与安装

• 本仓库已包含Skill定义，路径为：ai-review-skills/SKILL.md
• 在 Cursor 中：可将上述ai-review-skills文件夹放入项目下的 .cursor/skills/ 或用户目录的 ~/.cursor/skills/，具体以各平台的 Skill 加载方式为准。

2. 支持的稿件格式

• LaTeX：.tex
• PDF：.pdf
• Word：.docx / .doc

3. 使用方式与触发

• 直接说: 使用 @ai-review-skills 审稿 @论文名 。
• 或在对话中说「审稿」「论文审稿」或 “review my paper” 等，并提供稿件路径（如 paper/main.tex, article.pdf），Agent 会调用 Ai-Review Skill 生成审稿意见。

🔄 持续更新

本仓库会长期持续更新。欢迎使用本仓库、提交 issue 或 pull request，以帮助改进提示词模板与网站功能，从而帮助社区伙伴们提升论文质量与被接受的概率。

📄 审稿效果示例

请参见示例： Deep Residual Learning for Image Recognition 的审稿示例。

Relative Rank 评估（PeerRead ICLR 2017 上 100 组样本）：Examples/Relative_Rank_evaluation.md。

🧠 提示词工程

• 逆向提示词 (已包括): 通过以往大型模型生成的优秀结果反推提示词的内容。这里的优秀结果来自AAAI2026的AI审稿。
• 小样本提示词 (已包括): 网页端在“Prompting mode”里选择“Prompt + Examples (Few-Shot)”，系统将从 Prompts/ 读取相应模板，并把 Examples/review_in_Resnet.md 与 Examples/review_in_Verified.md 作为示例一并提供给大模型以提升效果。背景介绍见小样本提示词。
• 思考链提示词 (已包括): 让模型在回答问题前，显式地进行逐步推理，以提高复杂任务回答的准确性和逻辑性。具体见这里.
• 动态交互提示词（准备加入）: 让模型先提计划，与用户交互，确定计划后再执行审稿。

🛠️ 审稿方式

• 使用VLM模型进行审稿 (已包括)：对PDF文件进行快照，然后使用VLM模型对PDF的快照进行审稿，这样可以让模型感知图片和排版信息。点击这里可体验VLM的审稿效果。
• Ai-Review Skills (已包括): 可以使用ai-review-skills在智能体平台对论文进行审稿，直接使用智能体平台自带的大模型审稿就行。支持Latex, Word等格式的论文，可以论文内容进行精准感知。具体见ai-review-skills/SKILL.md。
• 科研图像质量评估功能 (已包括): 在VLM Review中实现了排版感知和图片审美功能, 并将审美结果包括在审稿内容中, 详细见这里(使用VLM-Specific提示词).
• 注入提示词的检测功能 (已包括): 检测PDF中是否存在干扰审稿的注入提示词。 详细见这里.
• Relative Rank (已包括): 基于匿名化后的 PDF 文本，将用户稿与对照论文按竞争力排序，帮助科研人员快速定位自己论文的竞争力。对照论文可由目标会议自动挑选，也可由用户自行上传。不做接受/拒稿预测。详细见这里。100 组样本上的评估效果见 Examples/Relative_Rank_evaluation.md。

👀 查看提示词

见 这里. 欢迎每个人在issues中提出自己的见解，并帮我们优化它，以便更好地为社区服务。

📰 更新与新闻

• [20/08/2026] 增加了 Relative Rank，帮助科研人员快速定位自己论文的相对竞争力。同时去掉了作用不大的 Side-by-Side 提示词对比模式，以提升使用体验。Relative Rank 详见这里。
• [19/03/2026] 增加了提示词注入(Prompt‑Injection)的检测功能。 详细见这里。
• [06/03/2026] 给VLM Review增加了排版感知和图片审美功能，并提供了VLM specific Prompt. 详细见这里。
• [26/02/2026] 增加了Ai-Review的Skills, 用于对 LaTeX, PDF, Word 稿件生成结构化审稿意见。可在Cursor等支持 Agent Skill的平台上使用，当用户说「审稿」「论文审稿」时可触发。详细见这里
• [05/02/2026] 增加了VLM模型审稿的功能，点击这里可体验VLM的审稿效果。
• [31/01/2026] Ai-Review 在线网站已添加了 SoT 提示，并修复了”Side by Side”模式下评论内容与文章内容无关的bug（由于PDF文件未成功加载）。
• [29/12/2025] 在本仓库新增了思维链提示词。具体见这里.
• [25/12/2025] 给在线体验网站添加提示词对比模式(Side by Side), 用于帮助用户选择符合大众品味的提示词，具体见这里.
• [08/12/2025] 将在线体验网站部署到了Cloudflare上，之前的Github Pages的版本(在仓库分支可以找到之前的代码)不再使用。
• [16/11/2025] 增加了使用 VLM 精确提取 PDF 内容的功能。
• [21/10/2025] 在网页上加入了Few-Shot Prompting功能，见这里。
• [18/10/2025] 更新了审稿效果样例, 见这里。这些样例是使用小样本提示词工程技术生成的。
• [06/10/2025] 网页版增加了快速体验功能(不需要用户设置API)，还允许了用户设置Deepseek的API。
• [02/10/2025] 更新了网页端的 AI 审稿功能。
• [20/09/2025] 在提示词中强化了数学符号与公式检查。
• [14/09/2025] 新增 “Deep Residual Learning for Image Recognition” 的审稿示例。
• [14/09/2025] 优化 Prompt，使 AI 能以二级列表形式生成更细致的 Strengths、Weaknesses 与 Suggestions。

This site is open source. Improve this page.