في كل دورة مراجعة لمؤتمر AAAI-27، تم الإبلاغ عن مخاطر تنسيق المراجعين في مزادات تقارير الأبحاث لتحقيق مزايا تبادلية. ومع ذلك، تتعامل الأبحاث السابقة مع عمليات المزايدات وتعيين المراجعين كتسلسلات منفصلة، مما يُبقي أثر المزايدات التوافقية غير واضح. وهو الأمر الذي يجعل تحليل العالم الواقعي مقيدًا، نظرًا لعدم قدرة الباحثين على رصد النوايا التآمرية بسهولة.

لملء هذا الفراغ، تم تقديم نموذج CABAL، الذي يقوم على نموذج محاكاة متعددة الوكلاء من أجل دراسة نزاهة تعيين المراجعين. ويُعتبر هذا النموذج جديدًا في مجاله، حيث يقوم بتثبيت بيئة المؤتمر وتحديد وكلاء مراجعة مدعومين بتقنيات نماذج اللغات الضخمة (Large Language Models) بسياسات نزيهة أو تآمرية.

بالإضافة إلى ذلك، تم تطوير استراتيجية مزايدة تآمرية تعتمد على التوافق لتكوين حلقات تآمرية واختيار الأوراق المستهدفة، مما يُنتج هجمات متسقة بالخبرة بدلاً من مجرد استهداف عشوائي. أظهرت التجارب المنضبطة أن المزايدات التآمرية تُضاعف من الاستحواذ على الأوراق المستهدفة، حيث سجل المراجعين المُعينين تآمريين في المتوسط نقاطًا أعلى بنحو نقطتين مقارنة بالمراجعين النزيهين.

رغم ذلك، تظل الآثار على مستوى المؤتمر محدودة. بخصوص أدوات كشف المزايدات، توفر الأدلة المتاحة على التآمر نتائج محدودة: ففي اختبار ضغط المحددات، تتعقد القطع الأصلية عبر الشبكات المباشرة بسبب التوافق الجيد، في حين أن النقطة التشخيصية عالية جدًا تُظهر دقة ولكن تغطية محلية منخفضة.

إذن، ما المستقبل الذي ينتظر عملية مراجعة الأقران بفضل تقنيات الذكاء الاصطناعي؟ هل ستحقق النزاهة المنشودة أم ستتكرر عمليات التلاعب؟

**شاركونا آراءكم في التعليقات!**