CABAL：用于追踪同行评审中合谋投标影响的多智能体仿真框架论文arXiv原文链接：[https://arxiv.org/html/2609.05227v1]摘要AAAI‑27审稿周期的相关报告指出，审稿人通过线下协同投标来谋求互相分配审稿任务的安全风险。现有工作往往将投标、审稿人分配、评审操纵作为独立阶段开展研究，合谋投标在完整生命周期产生的影响尚不清晰。现实世界分析存在两大阻碍：合谋意图通常无法观测，并且同一个会议很难获取反事实对照实验。针对上述缺口，本文提出CABAL（Collusive Agent‑based Bidding and Assignment Laboratory），一套端到端多智能体仿真框架。该框架固定会议环境，配置大模型驱动的审稿人智能体，分别实现诚实审稿策略与合谋审稿策略。本文进一步提出亲和度引导的合谋投标策略：利用审稿人与稿件之间的相互亲和度构建合谋团伙、选定目标稿件；攻击行为保持与审稿人专业能力相匹配，而不是无依据地随机攻击。受控实验表明：合谋投标能够让目标稿件被审稿人获取分配的概率提升一倍以上；被分配的合谋审稿人给目标稿件打分，会比诚实共同审稿人高出约2分；但对整个会议层面的整体影响相对有限。针对投标阶段的现有检测器评估结果表明：检测证据十分有限。在固定三元组压力测试中，原生正向投标图会被良性专业亲和关系混淆；仅保留Very‑High级别的诊断视图可以实现较高精度，但召回率很低，只能局部恢复部分合谋团伙。1 引言顶会的同行评审流程中，审稿人会对稿件进行投标，表达自己的评审兴趣。会议组织者综合投标结果、审稿人‑稿件亲和度、利益冲突约束、工作量限制完成审稿人分配。但是投标机制同时引入策略操纵攻击面。AAAI‑27会议就出现线下协同，构造互惠分配结构的真实事件。AAAI后续出台约束，限制2‑cycle互惠行为，并增加审计流程，违规稿件可能直接desk‑reject，或者施加多年投稿禁令。现有相关工作分别研究审稿人匹配分配优化、策略投标操纵、大模型审稿智能体，但是没有在同一个受控环境下串联合谋投标、审稿分配、下游评审打分全链路。因此，基于专业背景的合谋投标如何通过分配流程传播，最终改变评审结果，尚未得到充分理解。现实开展这类研究存在两大难点：合谋意图不可观测：基于专业兴趣的正常高投标和合谋产生的投标行为很难区分。缺少反事实对照：真实会议无法固定全部条件，仅改变审稿人诚实/合谋行为复现两次会议。因此需要一套受控仿真环境：合谋意图已知，会议全部其他条件固定，只改变审稿人的行为模式。本文主要贡献：提出CABAL可编程多智能体仿真框架，建模审稿投标、分配、评审全流程；支持匹配的反事实对照，稿件、审稿人、利益冲突、分配机制全部固定，仅改变审稿人行为。提出亲和度引导的合谋投标策略，基于审稿人与稿件互相专业亲和度构建合谋团伙与目标稿件；合谋成员只对本身专业能力范围内的稿件开展协同投标，避免明显可疑的无差别攻击。开展端到端实证分析：研究合谋投标如何改变目标稿件分配权限、向下游评审分数传播、对会议全局结果的影响；同时把攻击行为与主流投标阶段检测器做对比评估。表1 与现有同行评审相关工作对比工作会议专业亲和度策略行为投标分配评审结果分析行为反事实对照审稿人分配与投标机制Anjum et al.EMNL(\mathcal{P})‑IJCNL(\mathcal{P})’19●--○---(\mathcal{S})telmakh et al.JMLR’21○--●-○-Rozencweig et al.AAMA(\mathcal{S})’23○-●○--○同行评审中的策略操纵与对抗行为Wu et al.ICML’21○●●●--○Jecmen et al.WWW’23○●●●--○Jecmen et al.TMLR’25○●●---○Hsieh et al.U(\mathcal{S})ENIX (\mathcal{S})ec’25●●-●--○大模型审稿智能体与仿真Jin et al.EMNL(\mathcal{P})’24○---●●●Lu et al.ICML’25●---●○-本文 CABAL—●●●●●●●注释：●代表显式建模/作为核心研究对象；○代表作为输入辅助组件；-代表未建模。2 问题定义符号定义会议包含稿件集合KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal{\̲(̲\mathcal{P}\)}=…，审稿人集合R = { r 1 , … , r M } \mathcal{R}=\{r_{1},\dots,r_{M}\}R={r1,…,rM}。A p j A_{pj}Apj：稿件p pp与审稿人r j r_jrj的主题亲和度，数值越高代表专业匹配度越高；C p j ∈ { 0 , 1 } C_{pj}\in\{0,1\}Cpj∈{0,1}：利益冲突标记，C p j = 1 C_{pj}=1Cpj=1代表该审稿人不能评审该稿件。定义两种行为世界：KaTeX parse error: Can't use function '\(' in math mode at position 1: \̲(̲z=h\)：全部审稿人诚实；KaTeX parse error: Can't use function '\(' in math mode at position 1: \̲(̲z=c\)：存在合谋审稿人。B ( z ) \mathbf{B}^{(z)}B(z)：投标矩阵；KaTeX parse error: Can't use function '\)' in math mode at position 15: \\(\mathcal{P}\̲)̲hi为固定分配算法，输出二进制分配矩阵M ( z ) \mathbf{M}^{(z)}M
CABAL：用于追踪同行评审中合谋投标影响的多智能体仿真框架
CABAL：用于追踪同行评审中合谋投标影响的多智能体仿真框架论文arXiv原文链接：[https://arxiv.org/html/2609.05227v1]摘要AAAI‑27审稿周期的相关报告指出，审稿人通过线下协同投标来谋求互相分配审稿任务的安全风险。现有工作往往将投标、审稿人分配、评审操纵作为独立阶段开展研究，合谋投标在完整生命周期产生的影响尚不清晰。现实世界分析存在两大阻碍：合谋意图通常无法观测，并且同一个会议很难获取反事实对照实验。针对上述缺口，本文提出CABAL（Collusive Agent‑based Bidding and Assignment Laboratory），一套端到端多智能体仿真框架。该框架固定会议环境，配置大模型驱动的审稿人智能体，分别实现诚实审稿策略与合谋审稿策略。本文进一步提出亲和度引导的合谋投标策略：利用审稿人与稿件之间的相互亲和度构建合谋团伙、选定目标稿件；攻击行为保持与审稿人专业能力相匹配，而不是无依据地随机攻击。受控实验表明：合谋投标能够让目标稿件被审稿人获取分配的概率提升一倍以上；被分配的合谋审稿人给目标稿件打分，会比诚实共同审稿人高出约2分；但对整个会议层面的整体影响相对有限。针对投标阶段的现有检测器评估结果表明：检测证据十分有限。在固定三元组压力测试中，原生正向投标图会被良性专业亲和关系混淆；仅保留Very‑High级别的诊断视图可以实现较高精度，但召回率很低，只能局部恢复部分合谋团伙。1 引言顶会的同行评审流程中，审稿人会对稿件进行投标，表达自己的评审兴趣。会议组织者综合投标结果、审稿人‑稿件亲和度、利益冲突约束、工作量限制完成审稿人分配。但是投标机制同时引入策略操纵攻击面。AAAI‑27会议就出现线下协同，构造互惠分配结构的真实事件。AAAI后续出台约束，限制2‑cycle互惠行为，并增加审计流程，违规稿件可能直接desk‑reject，或者施加多年投稿禁令。现有相关工作分别研究审稿人匹配分配优化、策略投标操纵、大模型审稿智能体，但是没有在同一个受控环境下串联合谋投标、审稿分配、下游评审打分全链路。因此，基于专业背景的合谋投标如何通过分配流程传播，最终改变评审结果，尚未得到充分理解。现实开展这类研究存在两大难点：合谋意图不可观测：基于专业兴趣的正常高投标和合谋产生的投标行为很难区分。缺少反事实对照：真实会议无法固定全部条件，仅改变审稿人诚实/合谋行为复现两次会议。因此需要一套受控仿真环境：合谋意图已知，会议全部其他条件固定，只改变审稿人的行为模式。本文主要贡献：提出CABAL可编程多智能体仿真框架，建模审稿投标、分配、评审全流程；支持匹配的反事实对照，稿件、审稿人、利益冲突、分配机制全部固定，仅改变审稿人行为。提出亲和度引导的合谋投标策略，基于审稿人与稿件互相专业亲和度构建合谋团伙与目标稿件；合谋成员只对本身专业能力范围内的稿件开展协同投标，避免明显可疑的无差别攻击。开展端到端实证分析：研究合谋投标如何改变目标稿件分配权限、向下游评审分数传播、对会议全局结果的影响；同时把攻击行为与主流投标阶段检测器做对比评估。表1 与现有同行评审相关工作对比工作会议专业亲和度策略行为投标分配评审结果分析行为反事实对照审稿人分配与投标机制Anjum et al.EMNL(\mathcal{P})‑IJCNL(\mathcal{P})’19●--○---(\mathcal{S})telmakh et al.JMLR’21○--●-○-Rozencweig et al.AAMA(\mathcal{S})’23○-●○--○同行评审中的策略操纵与对抗行为Wu et al.ICML’21○●●●--○Jecmen et al.WWW’23○●●●--○Jecmen et al.TMLR’25○●●---○Hsieh et al.U(\mathcal{S})ENIX (\mathcal{S})ec’25●●-●--○大模型审稿智能体与仿真Jin et al.EMNL(\mathcal{P})’24○---●●●Lu et al.ICML’25●---●○-本文 CABAL—●●●●●●●注释：●代表显式建模/作为核心研究对象；○代表作为输入辅助组件；-代表未建模。2 问题定义符号定义会议包含稿件集合KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal{\̲(̲\mathcal{P}\)}=…，审稿人集合R = { r 1 , … , r M } \mathcal{R}=\{r_{1},\dots,r_{M}\}R={r1,…,rM}。A p j A_{pj}Apj：稿件p pp与审稿人r j r_jrj的主题亲和度，数值越高代表专业匹配度越高；C p j ∈ { 0 , 1 } C_{pj}\in\{0,1\}Cpj∈{0,1}：利益冲突标记，C p j = 1 C_{pj}=1Cpj=1代表该审稿人不能评审该稿件。定义两种行为世界：KaTeX parse error: Can't use function '\(' in math mode at position 1: \̲(̲z=h\)：全部审稿人诚实；KaTeX parse error: Can't use function '\(' in math mode at position 1: \̲(̲z=c\)：存在合谋审稿人。B ( z ) \mathbf{B}^{(z)}B(z)：投标矩阵；KaTeX parse error: Can't use function '\)' in math mode at position 15: \\(\mathcal{P}\̲)̲hi为固定分配算法，输出二进制分配矩阵M ( z ) \mathbf{M}^{(z)}M
