Paper2Rebuttal: Un Marco Multiagente para la Asistencia Transparente en la Respuesta a Autores
Paper2Rebuttal: A Multi-Agent Framework for Transparent Author Response Assistance
January 20, 2026
Autores: Qianli Ma, Chang Guo, Zhiheng Tian, Siyu Wang, Jipeng Xiao, Yuanhao Yue, Zhipeng Zhang
cs.AI
Resumen
La redacción de refutaciones efectivas es una tarea de alta exigencia que requiere algo más que fluidez lingüística, ya que exige una alineación precisa entre la intención del revisor y los detalles del manuscrito. Las soluciones actuales suelen abordar esto como un problema de generación directa de texto, adoleciendo de alucinaciones, críticas pasadas por alto y falta de base verificable. Para superar estas limitaciones, presentamos RebuttalAgent, el primer marco de trabajo multiagente que replantea la generación de refutaciones como una tarea de planificación centrada en la evidencia. Nuestro sistema descompone las críticas complejas en preocupaciones atómicas y construye dinámicamente contextos híbridos sintetizando resúmenes comprimidos con texto de alta fidelidad, a la vez que integra un módulo de búsqueda externa autónoma y bajo demanda para resolver preocupaciones que requieren literatura externa. Al generar un plan de respuesta verificable antes de redactar, RebuttalAgent garantiza que cada argumento esté explícitamente anclado en evidencia interna o externa. Validamos nuestro enfoque en el RebuttalBench propuesto y demostramos que nuestra canalización supera a los buenos modelos de referencia en cobertura, fidelidad y coherencia estratégica, ofreciendo un asistente transparente y controlable para el proceso de revisión por pares. El código será liberado.
English
Writing effective rebuttals is a high-stakes task that demands more than linguistic fluency, as it requires precise alignment between reviewer intent and manuscript details. Current solutions typically treat this as a direct-to-text generation problem, suffering from hallucination, overlooked critiques, and a lack of verifiable grounding. To address these limitations, we introduce RebuttalAgent, the first multi-agents framework that reframes rebuttal generation as an evidence-centric planning task. Our system decomposes complex feedback into atomic concerns and dynamically constructs hybrid contexts by synthesizing compressed summaries with high-fidelity text while integrating an autonomous and on-demand external search module to resolve concerns requiring outside literature. By generating an inspectable response plan before drafting, RebuttalAgent ensures that every argument is explicitly anchored in internal or external evidence. We validate our approach on the proposed RebuttalBench and demonstrate that our pipeline outperforms strong baselines in coverage, faithfulness, and strategic coherence, offering a transparent and controllable assistant for the peer review process. Code will be released.