读懂审稿人:Supervisor-Skills 六类审稿人心态库(Mindset Library)与数据驱动的 Rebuttal 策略
读懂审稿人:Supervisor-Skills 六类审稿人心态库(Mindset Library)与数据驱动的 Rebuttal 策略
审稿人的一句"不 convincing"背后,往往藏着可以被统计和分类的规律。Supervisor-Skills 的 rebuttal-guidance 技能内置了一份由历史 review–rebuttal 行为数据自动生成的心态库(Reviewer Mindset Library),将审稿人归纳为 6 个行为簇,并为每个簇给出样本占比、历史涨分率、规则差异(rule diff)、效应量(Cohen's d)以及成功/失败范式。读完本文,你将掌握这套心态库的完整画像与数据口径,知道如何把一条审稿意见先"识别人"再"定策略",并学会将心态匹配、策略维度、回应模板与完整性检查串联成一条可执行的 Rebuttal 工作流。
心态库从哪来:条件说服模型与行为聚类
rebuttal-guidance 技能的核心模型是条件说服 P(Z | X, Y)(见 SKILL.md):
- X:审稿人心态(从 review 文本推断出的行为簇);
- Y:rebuttal 策略向量(优先强调哪些战术维度);
- Z:成功(涨分或论文被接收)。
心态库正是为变量 X 提供"可查询的数据库"。根据 mindset-library.md 的头部说明,该库是 Auto-generated(自动生成)的,原始数据来自 data/behavior/mindset_library.json,聚类方法标注为 behavior_space_kmeans_llm——即用 K-Means 在行为空间上聚类、再用 LLM 为每个簇做语义命名与画像提炼,最终得到 6 个心态簇。
按各簇样本占比推算,这份库约覆盖 1000 条 review(95 + 205 + 204 + 98 + 345 + 53 = 1000),每个簇都附有成功 rebuttal 样本数。需要说明的是:生成该库的原始 JSON 数据文件不在当前仓库中,仓库保留的是其加工后的"快照"文档,因此本文引用的全部统计数字均以 mindset-library.md 为准。
六类审稿人心态全景总览
六类心态合计覆盖了从"温和到严厉、从建设到否定"的行为光谱。先看全局数据(来源同上):
| 心态簇 | 样本占比 | 历史涨分率 | 接收率 | 成功 rebuttal 样本 | 一句话 Key Strategy |
|---|---|---|---|---|---|
| Cluster 3 精准建设型 | 9.5%(95) | 36.1% | 43.2% | 44 | 结构化直接回应 + 具体证据 + 自信克制语气 |
| Cluster 4 温和质疑型 | 20.5%(205) | 18.7% | 47.3% | 99 | 自信直接回应,锚定论文证据,受控让步并避免模糊承诺 |
| Cluster 0 权威否定型 | 20.4%(204) | 14.7% | 27.9% | 62 | 自信直接回应,用论文依据和具体证据支撑,避免模糊承诺 |
| Cluster 5 严厉否定型 | 9.8%(98) | 13.8% | 27.6% | 30 | 自信直接回应,用具体证据替代模糊承诺 |
| Cluster 1 温和建设型 | 34.5%(345) | 13.4% | 50.4% | 177 | 自信直接回应,用具体证据支撑,避免空泛承诺 |
| Cluster 2 简洁肯定型 | 5.3%(53) | None% | 52.8% | 27 | 自信直接回应,高质量澄清,受控让步,避免过度承诺 |
三个值得注意的读数:
- 涨分率与接收率并不强相关。温和建设型(Cluster 1)接收率最高(50.4%)但涨分率仅 13.4%;精准建设型(Cluster 3)涨分率最高(36.1%)——说明"接收"更多取决于论文底子,"涨分"更多取决于 rebuttal 是否能说服这位具体的审稿人。
- Cluster 1 温和建设型是最大的群体(34.5%),且最容易沟通;而 Cluster 2 简洁肯定型历史涨分率记为
None%,表示该簇样本过少、无法给出可靠涨分估计,使用时需要保守。 - 权威否定型与严厉否定型的接收率都低于 28%,属于典型的"低开放度"审稿人,checklist.md 专门对此类心态给出特别提示(下文详述)。
六类心态逐簇深度画像
这一部分是心态库的主体。每个簇都从五个角度刻画:画像(是什么样的人)、识别信号(从文本怎么认出来)、规则统计差异(成功/失败组在策略使用率上的 Top 3 差距)、策略向量效应(Cohen's d 衡量的维度区分力)、成功/失败范式(LLM 从数据提炼的 do's and don'ts)。
Cluster 3:精准建设型(Precise Constructive)
画像:这类审稿人高度关注论文的可执行性和具体细节,倾向于提出明确、可操作的建议,并引用具体文献或方法。他们批评严厉度适中,但建设性极强,容易被说服,核心心态是帮助作者改进论文,而非否定工作。
识别信号:
- 指出缺乏具体细节,如参数大小、公式形式或实现步骤;
- 引用具体文献或方法,指出与已有工作的矛盾或不足;
- 提出明确的修改建议,如"请澄清""需要给出具体形式"。
规则统计差异(Top 3,成功组 vs 失败组):
| 规则 | 成功 | 失败 | Δ |
|---|---|---|---|
| 明确承诺修改 | 65.9% | 81.8% | -15.9 |
| 直接引用/逐条对应 | 77.3% | 66.7% | +10.6 |
| 新实验/新结果 | 61.4% | 51.5% | +9.9 |
注意第一个数字是负差异:对这一簇,失败组反而更频繁地"承诺修改"——说明单纯承诺而不给出实质内容,在这类审稿人面前是减分项。
策略向量效应(Cohen's d)——成功组显著更高:
structure_quality(结构质量):成功均值 4.614 / 失败均值 3.157,d = 1.107paper_grounding(论文锚定):成功均值 4.386 / 失败均值 2.98,d = 1.074clarification_quality(澄清质量):成功均值 4.636 / 失败均值 3.235,d = 1.07
失败组更高(风险维度):
vague_future_work(模糊未来工作):1.386 vs 2.333,d = -0.727overpromise_risk(过度承诺风险):1.295 vs 1.745,d = -0.432
Success patterns:
- 结构化直接回应:对审稿人的每个弱点逐条编号或使用标题直接回应,引用原文并给出具体解释或证据,避免笼统解释;
- 具体证据与论文锚定:提供新实验、图表或定量结果支撑论点,并引用论文中的具体位置(如章节、图表)增强可信度;
- 自信且克制的语气:以积极、自信的语气回应,同时保持建设性,避免防御性或过度承诺,在承认局限性时明确已做的改进;
- 有控制的让步与承诺:承认局限性的同时,明确说明已做的改进或未来方向,避免模糊的"未来工作"或过度承诺。
Failure patterns:
- 模糊未来工作承诺:"未来工作""我们计划"等表述缺乏具体行动或证据;
- 过度承诺或泛泛而谈:承诺过多改进但无具体计划或证据;
- 缺乏结构的长篇解释:冗长且未直接引用审稿人的具体问题;
- 过度解释或回避核心问题:对技术质疑做冗长理论解释,却不提供新证据或直接承认局限。
Key strategy:结构化直接回应 + 具体证据 + 自信克制语气。
Cluster 4:温和质疑型(Mild Skeptic)
画像:态度温和,批评不尖锐,但缺乏具体建议和建设性。倾向于表达困惑或指出表面缺失,而非深入分析或提供可执行改进方案。心态上可能中立或略消极,但不愿严厉否定,因此给出中等评分并留下模糊质疑。
识别信号:
- 以 "I am confused" 或 "If I'm understanding correctly" 等模糊质疑开头;
- 指出问题但未提供具体修改建议或替代方案;
- 评论简短,缺乏对方法或结果的深入技术分析。
规则统计差异(Top 3):
| 规则 | 成功 | 失败 | Δ |
|---|---|---|---|
| 适度承认 | 54.5% | 66.2% | -11.7 |
| 澄清说明 | 53.5% | 64.6% | -11.1 |
| 明确承诺修改 | 59.6% | 49.2% | +10.4 |
策略向量效应(Cohen's d)——成功组显著更高:
tone_confidence(语气自信):4.535 vs 3.0,d = 1.246clarification_quality:4.404 vs 2.943,d = 1.148direct_address(直接回应):4.515 vs 3.048,d = 1.116
失败组更高(风险维度):
vague_future_work:1.616 vs 2.543,d = -0.687overpromise_risk:1.404 vs 2.219,d = -0.685
Success patterns:
- 自信直接回应:以高置信度语气直接回应质疑,避免含糊其辞或过度道歉;
- 高质量澄清与论文锚定:提供清晰、具体的澄清,紧密引用论文原文、图表、附录或具体实验证据;
- 受控让步与具体证据:承认局限性的同时,立即用新数据、分析或可控改进方案平衡,避免空洞承诺。
Failure patterns:
- 过度让步与模糊未来工作:频繁承认不足却无具体改进方案;
- 冗长解释与缺乏聚焦:花过多篇幅澄清误解或补充背景,偏离核心;
- 过度澄清但无论文锚定:解释很多却不引用论文具体内容(如表格、附录)。
Key strategy:自信直接回应,锚定论文证据,受控让步并避免模糊承诺。
Cluster 0:权威否定型(Authoritative Negativist)
画像:自信且挑剔,倾向于以高姿态指出论文不足,引用具体文献或技术细节来支持否定性评价。写作风格直接、简洁,常使用列表或短句,关注点在于论文的缺陷和局限性,对作者的辩解持低接受度。
识别信号:
- 用短句或列表列出批评点,如 "Unclear text encoder";
- 引用具体文献或技术细节否定贡献,如 "has been studied in [1]";
- 直接指出论文声称过强或缺乏支持,如 "claims are too strong"。
规则统计差异(Top 3):
| 规则 | 成功 | 失败 | Δ |
|---|---|---|---|
| 明确承诺修改 | 51.6% | 66.2% | -14.6 |
| 直接引用/逐条对应 | 72.6% | 58.8% | +13.8 |
| 新实验/新结果 | 46.8% | 40.0% | +6.8 |
策略向量效应(Cohen's d)——成功组显著更高:
clarification_quality:4.419 vs 2.794,d = 1.198tone_confidence:4.452 vs 2.858,d = 1.177direct_address:4.613 vs 3.0,d = 1.112
失败组更高(风险维度):
vague_future_work:1.419 vs 2.603,d = -0.801(全库风险最高的负效应之一)overpromise_risk:1.323 vs 2.333,d = -0.767
Success patterns:
- 自信直接回应:正面回应审稿人的具体质疑,避免回避或模糊措辞;
- 高质量澄清与论文锚定:提供清晰、有深度的解释,锚定论文原文、理论依据或补充实验;
- 受控让步与具体证据:承认合理意见或局限性的同时,用具体实验数据、理论分析或新证据支撑核心贡献。
Failure patterns:
- 模糊未来工作或过度承诺:"将在未来工作中解决"或夸大承诺,缺乏即时证据;
- 轻视或辩解式回应:对批评轻描淡写或过度辩解(如"bug 不影响结果""并非追求 SOTA"),激化不信任;
- 弱化新颖性辩护:辩护新颖性时缺乏具体对比或证据,仅强调方法不同。
Key strategy:自信直接回应,用论文依据和具体证据支撑,避免模糊承诺。
Cluster 5:严厉否定型(Harsh Dismissive)
画像:以严厉、否定的语气评价论文,批评力度高但建设性低,很少提供可执行的改进建议,不易被说服。关注明显缺陷(写作质量、动机误导、方法局限),引用具体细节较少,整体风格简洁、直接、负面。
识别信号:
- 使用强烈否定词,如 "not well-written""misleading""limited";
- 批评缺乏建设性,不提供具体改进方向;
- 语气简洁、直接,常以短句或列表形式列出问题。
规则统计差异(Top 3):
| 规则 | 成功 | 失败 | Δ |
|---|---|---|---|
| 新实验/新结果 | 60.0% | 34.3% | +25.7(全库最大正差异) |
| 明确承诺修改 | 43.3% | 60.0% | -16.7 |
| 澄清说明 | 63.3% | 77.1% | -13.8 |
对这类审稿人,补新实验的区分度是全库最高的(Δ +25.7),而"承诺修改"和"澄清说明"反而常见于失败组——纯解释和承诺对严厉否定者几乎无效。
策略向量效应(Cohen's d)——成功组显著更高:
tone_confidence:4.4 vs 2.603,d = 1.307(全库最高效应)direct_address:4.5 vs 2.691,d = 1.241clarification_quality:4.333 vs 2.588,d = 1.212
失败组更高(风险维度):
vague_future_work:1.433 vs 2.574,d = -0.721overpromise_risk:1.533 vs 2.309,d = -0.551
Success patterns:
- 自信直接回应:不回避核心问题,展示对工作的深刻理解;
- 具体证据支撑:用新实验、定量结果或具体数据说话,而非仅靠解释或承诺;
- 结构化清晰阐述:用分点、标题组织回应,针对每个批评点提供高质量澄清;
- 有控制的让步:承认部分不足的同时,立即转向强调自身贡献或改进。
Failure patterns:
- 模糊未来工作承诺:用"将在未来工作中解决"代替当前证据;
- 过度承诺风险:夸大方法能力或承诺不切实际的效果;
- 过度让步与自我否定:轻易承认批评、大幅修改术语或定位,削弱贡献感。
Key strategy:自信直接回应,用具体证据替代模糊承诺。
Cluster 1:温和建设型(Gentle Constructive)
画像:核心心态是支持作者改进论文,而非挑剔缺陷。写作风格温和、具体,常以提问或建议形式提出改进点,关注可执行性,批评严厉度低,容易被说服。重视论文的贡献和基线,但会针对细节提出建设性疑问。
识别信号:
- 使用 "It would be helpful if..." 或 "Is this still true..." 等温和提问句式;
- 评论中明确提及 "Strengths" 和 "Questions",结构清晰且正面开头;
- 建议具体且可操作,如要求补充特定任务或分析,而非泛泛批评。
规则统计差异(Top 3):
| 规则 | 成功 | 失败 | Δ |
|---|---|---|---|
| 新实验/新结果 | 56.5% | 46.6% | +9.9 |
| 澄清说明 | 60.5% | 68.6% | -8.1 |
| 适度承认 | 54.2% | 61.0% | -6.8 |
策略向量效应(Cohen's d)——成功组显著更高:
tone_confidence:4.593 vs 3.398,d = 1.036direct_address:4.689 vs 3.512,d = 0.985clarification_quality:4.492 vs 3.349,d = 0.963
失败组更高(风险维度):
overpromise_risk:1.35 vs 2.018,d = -0.637vague_future_work:1.542 vs 2.157,d = -0.51
Success patterns:
- 自信直接回应:正面回应每个具体问题,避免含糊、回避或过度道歉;
- 具体证据支撑:提供新实验、定量结果、数据或论文中的具体引用;
- 有控制的让步:承认审稿人观点合理或自身局限性的同时,清晰解释自身立场、核心贡献或已有证据;
- 高质量澄清与结构化:用标题、编号或分段组织回复,并引用论文具体内容(表格、章节)。
Failure patterns:
- 过度承诺风险:承诺过多未来工作或无法立即验证的改进;
- 模糊未来工作:用 "will be explored" 等含糊计划替代具体回应;
- 缺乏自信的辩解:语气犹豫或过度道歉,回应偏离具体问题。
Key strategy:自信直接回应,用具体证据支撑,避免空泛承诺。
Cluster 2:简洁肯定型(Concise Affirmative)
画像:倾向于给出简短、笼统的正面评价,很少提供具体细节或可操作建议。心态上可能认为论文已经足够好、无需深入批评,或审稿投入有限,只给出概括性反馈。
识别信号:
- 评论非常简短,通常只有一两句话;
- 使用 "rigorous""strong""good" 等笼统正面词汇,但缺乏具体支撑;
- 不指出具体问题或改进方向,建设性极低。
规则统计差异(Top 3):
| 规则 | 成功 | 失败 | Δ |
|---|---|---|---|
| 新实验/新结果 | 48.1% | 65.0% | -16.9 |
| 澄清说明 | 59.3% | 75.0% | -15.7 |
| 明确承诺修改 | 74.1% | 60.0% | +14.1 |
策略向量效应(Cohen's d)——成功组显著更高:
tone_confidence:4.731 vs 3.44,d = 1.136clarification_quality:4.654 vs 3.48,d = 1.043direct_address:4.808 vs 3.64,d = 1.008
失败组更高(风险维度):
overpromise_risk:1.154 vs 1.6,d = -0.646vague_future_work:1.423 vs 1.64,d = -0.24
Success patterns:
- 自信直接回应:直接回应每个问题,避免含糊或防御性语言;
- 高质量澄清:结合论文内容或引用文献,而非仅靠新实验;
- 受控让步:承认局限性的同时,明确展示已做的改进或具体计划;
- 论文锚定:引用具体章节、图表或修改位置,增强可验证性;
- 结构化回应:用编号或分段组织回应,便于追踪。
Failure patterns:
- 过度承诺风险:承诺未来开放代码或大量实验,却无当下证据;
- 模糊未来工作:将关键问题推迟到未来研究;
- 过度提供新实验但缺乏针对性:实验虽多但未回应核心质疑,显得冗余或偏离重点;
- 防御性辩论:与审稿人争论术语或定义,而非直接解决问题。
Key strategy:自信直接回应,高质量澄清,受控让步,避免过度承诺。
从数据到策略:三个解读维度
心态库中的数字不是装饰,而是策略选择的依据。strategy-dimensions.md 明确了如何解读:
- 规则统计差异(rule_diff Top 3):正值表示"成功组该策略使用率更高",应加强;负值表示"失败组反而更常使用",需谨慎——很可能是过度补救信号(如对精准建设型"明确承诺修改"Δ -15.9,说明承诺用多了反而失败)。
- Cohen's d 效应:d > 0.8 表示该策略维度对此心态有显著区分力。上面几乎每个簇的成功组都有
tone_confidence、direct_address、clarification_quality三个维度 d > 0.9——自信、直接、高质量澄清是全库通用的成功基线。 - 风险维度:
overpromise_risk(过度承诺风险)与vague_future_work(模糊未来工作)是分数越高越危险的两个反向指标。所有簇的失败组在这两项上都更高,说明"推给未来工作"和"空头承诺"在任何心态下都是减分项。
另外,strategy-dimensions.md 还给出了四组有协同效应的策略组合,同时高分时成功率更高:
direct_address+specific_evidence:直接回应 + 具体证据,核心组合;specific_evidence+paper_grounding:数据有论文锚点,可信度最高;new_experiment_strength+specific_evidence:新实验要配具体数字;tone_confidence+ 低overpromise_risk:自信但不夸大。
实战落地:识别 → 匹配 → 策略 → 模板 → 检查
心态库不是孤立的知识,而是 rebuttal-guidance 七步流程中的第三步(Step 3: Match reviewer mindset)。完整工作流为:清点 concern(Step 1)→ 分类 concern(Step 2)→ 匹配心态(Step 3)→ 读取心态数据定策略(Step 4)→ 逐条给出指导(Step 5)→ 完整性检查(Step 6)→ 输出(Step 7)。其中与心态库衔接的关键环节如下。
第一步:按行为信号打分并匹配心态
思维匹配启发式(mindset-matching-heuristics.md)要求对 review 文本逐项打分(1 = 低,5 = 高),再对照心态簇特征匹配。打分信号表如下:
| 信号 | 高(5)典型表述 | 低(1)典型表述 |
|---|---|---|
| Openness | "willing to raise""if addressed""open to" | "reject""not convincing""final decision" |
| Severity | "fundamental flaw""fatal issue""strong reject" | "minor concern""small issue" |
| Constructiveness | "I suggest""would strengthen if""recommend adding" | 纯否定,无改进路径 |
| Specificity | 引用 Table 2、Sec 3、方程编号 | "overall not convincing",无具体指向 |
| Skepticism | "not convinced""insufficient evidence""doubtful" | 中性措辞,未表达怀疑 |
| Harshness | "reject""misleading""wrong""unacceptable" | 礼貌委婉 |
| Actionability | "add experiment""compare to X""ablation needed" | 无可执行建议 |
匹配流程四步:先对 5–7 个信号打分并记录触发分数的原文短语;再将信号组合与速查表对照,选最接近的心态;若两个心态接近,标注 primary + secondary;置信度判定——3 个以上信号对齐为高,review 过短或通用为低。置信度直接影响输出:高置信度直接用该簇 success_patterns 指导策略;中置信度并列给出两个心态的策略差异;低置信度以通用策略为主,并说明心态判断不确定。
注意:六类心态速查表中"实验导向型""高怀疑严厉型""强硬多质疑型"属于早期启发式版本的说法,心态库的当前版本以 6-cluster 数据驱动版为准(即本文上一节详述的六簇)。
第二步:按心态读取数据、定策略优先级
匹配到簇后,从 mindset-library.md 对应簇读取五类信息:历史涨分率(校准涨分可能性)、rule diff Top 3(加强正差异战术)、Cohen's d 效应(突出成功组 d > 0.8 的维度)、success/failure patterns(具体 do's and don'ts)、Key strategy(一句话策略)。再与 strategy-dimensions.md 的 10 个维度交叉核对。每个 concern 最终标注为形如:
R1.W2 → 优先: specific_evidence, paper_grounding, clarification_quality
规避: high overpromise_risk, vague_future_work
第三步:按 concern 类型套用模板
在写策略前,先按 concern-classification.md 把每条 Weakness / Question 归类为 misunderstanding | evidence_gap | novelty | baseline_fairness | scope_claim | writing_clarity | theory | efficiency | other 之一,再选择模板。三类模板与心态的对应关系见 response-templates.md:
- 模板 A(澄清误解):适用于 misunderstanding / writing_clarity,2–4 句澄清 + 指向 Sec. X / Table Y / Appendix Z + 一个具体事实或数字;对高 constructiveness 审稿人效果最好;
- 模板 B(补充证据):适用于 evidence_gap / baseline_fairness / efficiency,给出新结果的具体数字和对比;实验导向型、强硬多质疑型对新实验反应最正面;
- 模板 C(承认局限,收窄范围):适用于 scope_claim / novelty / theory,承认局限后立即给出"在缩窄范围下贡献仍然成立"的论据;高怀疑严厉型面对 scope_claim 时,收窄 claim 比辩解更有效。
同时注意 Weakness 与 Question 的差异:Weakness 的心智是"这里有缺陷",回应重点是证据 + 必要时修改;Question 的心智是"我没看懂/请确认",只需简短回答 + Section/Table 指针,常见错误是过度道歉。
第四步:完整性检查与低开放度审稿人预案
最终输出前用 checklist.md 逐项核对:每条 W/Q 都有指导块、类型已标注、心态簇与置信度已注明、策略维度已标注、无捏造实验数字(未经验证标 [TO VERIFY])、澄清型与新实验型已区分、防御性表述已标记、过度承诺风险已标记。语气红线包括:
- "You misunderstood / You missed / This is trivial":攻击性,需改写;
- "Significantly / clearly / undoubtedly":无数字支撑时是空话;
- "We will fully address in future work":无当下行动时是回避信号;
- 过度道歉("We sincerely apologize for..."):削弱论点。
低开放度审稿人的特别预案:若匹配到的心态历史涨分率 < 15%(如权威否定型 14.7%、严厉否定型 13.8%、温和建设型 13.4%),checklist 建议:明确告知用户单靠文字说服成功率有限,优先考虑提供一个决定性的新实验;设定现实目标(澄清最核心的误解 + 一个最小可信的新证据);不要写过长的 rebuttal——简洁有力优于面面俱到。
使用边界与注意事项
最后,回到心态库本身的定位,有几点需要在使用时保持清醒:
- 它是统计画像,不是个体判定。簇级数据(涨分率、d 值)来自历史样本的聚合,用于校准策略方向;落到具体审稿人时,仍要以他/她评论中的实际措辞为准,置信度低的匹配应退回到通用策略。
- 它是策略库,不是代笔工具。SKILL.md 明确说明:技能输出的是可执行的指导计划(structured plans、evidence pointers、tone and strategy priorities),而非可直接粘贴的 rebuttal 全文;最终文本必须由作者自己撰写,避免盲目 LLM 粘贴。
- 数据边界。涨分率、接收率、Cohen's d 等数字仅代表该仓库快照所依据的历史样本,不构成对任何会议录取率的承诺;
data/behavior/mindset_library.json原始数据不在当前仓库中,如需复核统计口径,只能以 mindset-library.md 为准。 - 与相邻技能的边界:评估研究 Idea 用
idea-evaluator,投稿前自查用pre-submission-reviewer,而rebuttal-guidance只在用户粘贴 review 文本后生效;没有 review 文本时应先索取原文,而非凭空猜测心态。
把心态库用好的本质,是把"审稿人为什么不满意"从情绪问题转化为可分类、可统计、可应对的技术问题——而这正是数据驱动的科研方法论在论文全生命周期中的又一次落地。