본 논문은 학술 투고의 급증으로 인해 과부하에 걸린 전통적인 동료 검토 시스템의 문제를 해결하기 위해, 대규모 언어 모델(LLM)을 활용한 지능형 자동화 시스템의 필요성을 제기한다. 기존의 LLM 기반 방법들이 상반된 의견을 효과적으로 처리하지 못하고, 닻 내림 효과나 순응 편향과 같은 인지적 편향을 도입하는 한계를 지적하며, 이를 극복하기 위해 인지 정렬 프레임워크(CAF)를 제안한다. CAF는 카네만의 이중 과정 이론을 바탕으로, 검토 초기화, 점진적 통합, 인지 정렬의 세 단계로 구성된 이중 과정 아키텍처를 통해 LLM을 적응적인 과학적 중재자로 변환한다. 실험 결과, CAF는 기존 LLM 기반 방법보다 우수한 성능을 보이며, 감정 일관성은 최대 19.47%, 내용 일관성은 최대 12.95% 향상되었다.
