Bài toán Quy trình phản biện khoa học tại các hội nghị hàng đầu (ACL, EMNLP, NAACL...) qua hệ thống ARR (ACL Rolling Review) thường mất 10 tuần từ lúc nộp đến khi có phản hồi từ reviewer. Trong suốt thời gian đó, tác giả không nhận được bất kỳ tín hiệu nào về chất lượng bài viết của mình — không biết liệu phương pháp luận có đủ chặt chẽ, đóng góp có đủ mới, hay bài viết có nguy cơ bị từ chối vì những lỗi có thể tránh trước khi nộp. Hệ quả là nhiều bài báo bị reject không phải vì ý tưởng tồi, mà vì thiếu một vòng phản biện sơ bộ trước khi dấn vào chu trình xét duyệt chính thức, tốn kém cả thời gian lẫn công sức nghiên cứu.

Giải pháp kỹ thuật PaperMate là một hệ thống phản biện bài báo học thuật tự động, mô phỏng quy trình đánh giá theo chuẩn ACL ARR, giúp tác giả nhận phản hồi có cấu trúc trong vài phút thay vì vài tuần.

Kiến trúc gồm:

• Backend FastAPI xử lý pipeline 8 bước: parse PDF (Docling + VLM enrichment / LandingAI) → trích xuất tiêu đề, đóng góp, chủ đề nghiên cứu → sinh truy vấn tìm kiếm → tra cứu công trình liên quan (Tavily, 2 tầng: ACL Anthology trước, nguồn mở rộng sau) → lấy metadata từ arXiv → tóm tắt các bài liên quan → sinh phản biện bằng kiến trúc multi-agent.
• Multi-agent reviewer (LangGraph): gồm 5 agent điều phối theo gate (Desk Check → Claim Mapper → Planner/ReAct loop → Compactor → Synthesizer) và 7 tool-agent chuyên biệt (kiểm tra phương pháp luận, tính mới, khả năng tái lập, độ chặt chẽ thống kê, chất lượng trình bày, chất lượng dữ liệu/tài nguyên...) được Planner gọi song song, lặp tối đa 5 vòng để đào sâu các điểm cần làm rõ.
• Guardrail 3 tầng (Gate 1, Gate 2, Gate 3): loại sớm các bài không đúng phạm vi NLP/CL hoặc vượt giới hạn số trang ACL, tránh lãng phí chi phí API. -* Lưu trữ & bảo mật*: Supabase (PostgreSQL + Storage), xác thực Google OAuth, RBAC (user/admin), truy cập review qua secret access key.
• Frontend: web app thuần JS (không cần build step), hỗ trợ song ngữ Anh–Việt, giao diện theo dõi tiến độ, dashboard lịch sử nộp bài, và bảng điểm theo 7 tiêu chí ARR (Soundness, Excitement, Reproducibility, Datasets, Software, Confidence, Overall Assessment).

Tính khả thi Hệ thống đã được triển khai và vận hành thực tế trên HuggingFace Spaces, với dữ liệu đo lường cụ thể:

• Chi phí: dưới $0.12 để phản biện một bài báo (tổng hợp chi phí LLM đa nhà cung cấp + tìm kiếm + parsing).
• Thời gian: trung bình vài phút mỗi bài, so với 10 tuần của quy trình ARR thật — nhanh hơn ~3.000 lần.
• Độ chính xác parsing: đánh giá trên tập PeerRead, đo bằng TEDS/TEDS-Struct cho bảng biểu.