본 논문은 학술 제출물의 급증으로 인해 기존의 동료 검토 시스템이 과부하에 직면함에 따라 과학적 엄격성을 유지하기 위한 지능형 자동화의 필요성이 증대된 점을 배경으로 한다. 대규모 언어 모델(LLM)이 원고 비평 자동화에 유용성을 보이지만, 상반된 의견을 처리하고 합의를 도출해야 하는 고위험 메타 리뷰를 종합하는 능력은 아직 미흡하다. 기존 방법들은 상충하는 관점을 효과적으로 처리하지 못하고, 닻 효과나 순응 편향과 같은 추가적인 인지 편향을 도입하는 경우가 많다. 이러한 한계를 극복하기 위해, 본 논문은 LLM을 적응형 과학적 중재자로 변환하는 이중 과정 아키텍처인 인지 정렬 프레임워크(CAF)를 제안한다. 카네만의 이중 과정 이론을 활용하여, CAF는 검토 초기화, 점진적 통합, 인지 정렬의 세 단계로 구성된 인지 파이프라인을 도입한다. 실험적 검증 결과, CAF는 기존 LLM 기반 방법보다 우수한 성능을 보이며, 감정 일관성은 최대 19.47% 향상, 내용 일관성은 최대 12.95% 향상되는 것을 확인했다.
