CABAL：用于追踪同行评审中串通投标影响的多智能体仿真系统

CABAL 提出一种端到端多智能体仿真框架，用于研究同行评审中合谋投标对审稿分配完整性的影响。该框架通过固定会议环境并配置诚实或合谋策略的 LLM 驱动审稿人代理，构建了基于亲和度的合谋投标策略以形成合谋环并选择目标论文。受控实验显示，合谋投标使目标论文的捕获率翻倍，分配的合谋者给目标论文的评分比诚实共同审稿人高出约两分，而会议整体影响相对有限。此外，现有投标阶段检测器证据有限：在固定三元组检测器的压力测试中，原生正投标图易受良性亲和度混淆，仅“极高”诊断视图能实现精确但覆盖率低的局部恢复。