同行评审中恶意论文竞标数据集
研究了会议同行评审中的三个挑战：评审人恶意加入给出正面评价的论文、评审人故意给不喜欢的论文打低分和评审人匿名解除。提出了一种对三个问题进行通用性整合的方法，并针对给定限制下的评审人分配问题提出了随机算法，成功限制了恶意评审人分配。
Jun, 2020
该研究考虑了会议同行评审中的论文自动分配问题，着重关注公平性和统计准确性。研究设计了一种基于最大流程序的分配算法，旨在最大化最不利论文的审查质量，并提出了一种新的主观评分模型，设计了一种新颖的实验方法来评估算法的质量。
Jun, 2018
本研究考虑同行评估任务中的策略行为，设计了一种测试方法以侦测此类行为，并通过实验验证了其检测能力。
Oct, 2020
本文研究了一种新颖的评审 - 文章匹配方法，该方法已被引入多个计算机科学领域的顶级会议，包括 AAAI，ICML，IJCAI 等，并通过对现实数据的广泛后期分析进行了评估，比较了其与 AAAI 2020 版本使用的匹配算法的不同之处。
Feb, 2022
本文提出了一种使用配对比较的机制设计，该机制设计针对变量质量的定制商品，在任何具有定制商品的场景中具有广泛适用性，并在多标签毒性注释数据上进行了实验。
Jun, 2023
本文提出了一个框架来优化论文 - 审稿人分配，使用适宜性评分来测量论文和审稿人之间的成对亲和力，可以从提供的少量评分中推断出适宜性评分，将任务定义为整数规划问题，并提出了几种适用于论文和审稿人匹配问题的方案，探讨了学习和匹配相互作用的因素，对两个会议数据集进行了实验，测试了几种学习方法的性能以及匹配方法的有效性。
Feb, 2012
该研究旨在开发一种识别众包绩效评估中偏见和战略行为的方法并揭示同事互评中的 “歧视慷慨” 现象，以及该现象引发的两种偏见类型，为人才和管理计算机提供公平感知数据挖掘的视角。
Aug, 2019
本研究开发了一种合成预测市场来评估社会与行为科学文献中已发表声明的可信度，并使用一系列已知的复制项目来展示该系统，并建议此项工作为使用人工智能进行同行评审奠定了基础。
Dec, 2021