Excelente trabalho de pesquisa. 🚨 LLMs são péssimos em respostas. Este artigo mostra exatamente o porquê. A maioria das ferramentas de IA trata as refutações como uma tarefa de escrita. Gere uma mensagem educada. Soe confiante. Siga em frente. É exatamente por isso que eles falham em conferências de alto nível. Esta pesquisa inverte todo o problema da refutação. Em vez de "gerar uma resposta", ele trata as refutações como uma tarefa de organização de decisão + evidências. O sistema, chamado RebuttalAgent, é um pipeline multiagente que se recusa a escrever qualquer coisa até que a lógica seja à prova de falhas. Primeiro, ele atomiza o feedback dos revisores. Cada parágrafo vago é dividido em preocupações precisas e acionáveis. Nenhum ponto perdido. Nada de juntar críticas não relacionadas. A cobertura é aplicada antes de qualquer outra coisa acontecer. Em seguida, vem a verdadeira inovação: o raciocínio baseado em evidências. Para cada preocupação, o sistema constrói um contexto híbrido. A maior parte do artigo permanece comprimida para salvar tokens, mas as seções exatas relevantes para aquele comentário do revisor são expandidas em total fidelidade. Se as evidências internas não forem suficientes, um agente de busca sob demanda recupera documentos externos e os converte em memoriais prontos para citação. Nada é citado a menos que seja rastreável. Então vem a etapa que a maioria das ferramentas de LLM pula completamente: a verificação de estratégias. Antes de redigir, o RebuttalAgent gera um plano de resposta explícito. Ele separa: O que pode ser esclarecido com os resultados existentes O que realmente exige novos experimentos O que deve ser reconhecido sem se comprometer demais Um agente de verificação audita esse plano para garantir consistência lógica e segurança de compromisso. Se uma resposta implica resultados que não existem, ela é bloqueada. Alucinações morrem aqui....