CABAL：追踪同行评审中合谋投标影响的多智能体模拟框架

研究者提出端到端多智能体模拟框架 CABAL，在固定会议环境下配置诚实或合谋策略的 LLM 评审智能体，研究合谋投标对评审分配完整性的影响。研究背景是 AAAI-27 评审周期中有关评审人协调投标以互相谋取分配优势的报告。框架提出亲和力引导的合谋投标策略，利用评审人与论文的相互亲和度构建合谋圈并选择目标论文，使攻击与专业方向一致而非随意针对。受控实验显示，合谋投标使目标论文被合谋者捕获的比例增加一倍以上，被指派的合谋者给目标论文的评分比诚实共同评审高约两分，而全会议范围的影响相对有限。被评估的投标阶段检测器只能提供有限的合谋证据，在固定三元组检测器压力测试中，正向投标图被良性亲和度混淆，仅保留 Very-High 投标的诊断视图能实现精确但覆盖率低的局部恢复。