# RbtAct: Rebuttal as Supervision for Actionable Review Feedback Generation

### 저자

Sihong Wu, Yiling Ma, Yilun Zhao, Tiansheng Hu, Owen Jiang, Manasi Patwardhan, Arman Cohan

### 💡 개요

본 연구는 AI가 생성한 학술 논문 심사 보고서의 피상적이고 실행 불가능한 문제점을 해결하기 위해 반박문(rebuttal)을 감독 신호로 활용하는 RbtAct 방법론을 제안합니다. RbtAct는 논문 전체와 특정 관점(예: 실험, 작성)을 기반으로 초점을 맞춘 개별 피드백 생성을 목표로 하며, 이를 위해 기존 반박문을 통해 어떤 비판에 대해 수정이 이루어졌는지 학습하여 실행 가능성을 높입니다. 실험 결과, 제안된 방법은 기존 기반 모델보다 실행 가능성과 구체성 측면에서 상당한 개선을 보였습니다.

### 🔑 시사점 및 한계

- AI 생성 학술 심사 보고서의 '실행 가능성'을 높이기 위한 새로운 접근 방식을 제시합니다.

- 반박문을 통해 저자의 피드백 수용 여부를 학습하여 보다 실질적인 피드백 생성을 가능하게 합니다.

- 대규모의 RMR-75K 데이터셋 구축은 향후 관련 연구 발전에 기여할 것입니다.

- 아직 제안된 모델의 장기적인 영향이나 복잡하고 다층적인 비판에 대한 대응 능력에 대한 추가적인 연구가 필요합니다.

---

[PDF 보기](https://arxiv.org/pdf/2603.09723)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).