两款公开论文接收预测器的排名一致性无法反映段落编辑一致性

研究发现两款基于 3B 参数语言模型微调的公开论文接收预测器，虽与基准分类器在整篇论文排名上高度或中度一致，但在段落重写修改评分上毫无明显一致性。在 198 篇 ICLR 论文及 32-bit 精度测试下，两者的编辑一致性依然接近于零；在每篇论文 5 个重写中选优时，平均原始得分比随机选择仅高出不到 2 分（满分 100 分）。