研究者提出改写式对抗攻击 PAA，可在不改变论文主张的情况下抬高 LLM 审稿评分
Paraphrasing Adversarial Attack on LLM-as-a-Reviewer
AI 导读
研究者提出改写式对抗攻击（PAA），一种黑盒优化方法，通过搜索语义等价且语言自然的改写序列，在不改变论文主张的前提下抬高 LLM 审稿给出的评分。PAA 借助上下文学习，用此前的改写及其得分引导候选生成。在五个 ML 与 NLP 会议、三种 LLM 审稿模型和五种攻击模型上的实验显示，PAA 能稳定提高评审分数，人工评估确认生成的改写保持了语义与自然度。研究还发现被攻击论文的评审困惑度升高，可作为潜在检测信号，而对投稿做改写也能部分缓解此类攻击。