대규모 언어 모델(LLM)의 활용이 동료 검토 과정을 변화시키고 있으며, 더 상세한 평가를 작성하는 데 도움을 주거나 전체 리뷰를 자동 생성하는 데까지 이르고 있다. 본 논문은 LLM이 생성한 동료 검토에서 저자 소속 및 성별과 같은 민감한 메타데이터에 대한 편향을 조사하기 위해 통제된 실험을 수행했다. 연구 결과, 일반적인 학술 랭킹에서 높은 순위를 차지하는 기관을 선호하는 소속 편향이 일관되게 나타났으며, 성별 선호도 또한 발견되었다. 토큰 기반의 소프트 평점에서 이러한 암묵적 편향이 더욱 뚜렷해짐을 확인했다.
