随着学术同行评审规模的扩大，研究者开始尝试使用大语言模型（LLM）辅助审稿。然而，LLM 能生成流畅却缺乏依据的陈述，削弱了评审的可信度。现有的幻觉检测基准并未针对同行评审设计，因为评审需要在长篇技术论文中寻找依据。
我们推出 HalluPeer，提供论文内容、人工撰写的评审以及注入幻觉的评审三元组，并对每条记录进行检测、分类和定位标注。构建流程包括：依据同行评审场景诱导幻觉分类体系、识别评审中的上下文位置、利用自动过滤将幻觉注入文本。
在 12K 篇论文和 38K 条评审上进行实验，结果显示现有检测器难以区分幻觉与合理批评。进一步在真实评审上验证，发现 HalluPeer 定义的幻觉模式确实存在，凸显了基于来源的验证需求。项目代码与数据已公开于 https://github.com/Lin-TzuLing/HalluPeer.git
点评