Scientific Manuscript Reviewing on ICLR 2026 (test)

0.55Actionability ScoreProReviewer

Evaluation Results

Method
ProReviewer2026.06	0.55	0.76	0.57	0.48	0.9	0.65
CycleReviewer2026.06	0.49	0.34	0.33	0.23	0.87	0.45
Vanilla RL2026.06	0.49	0.61	0.47	0.43	0.89	0.58
DeepReview2026.06	0.47	0.5	0.36	0.33	0.92	0.51
DeepReview2026.06	0.46	0.33	0.32	0.23	0.9	0.45
ProReviewer2026.06	0.46	0.64	0.48	0.4	0.88	0.57
ProReviewer2026.06	0.4	0.7	0.54	0.5	0.9	0.61
CycleReviewer2026.06	0.39	0.25	0.26	0.15	0.84	0.38
AgentReview2026.06	0.37	0.46	0.5	0.33	0.77	0.49
CycleReviewer2026.06	0.37	0.36	0.27	0.21	0.84	0.41
AI-Scientist-v22026.06	0.36	0.55	0.52	0.31	0.83	0.51
AgentReview2026.06	0.35	0.4	0.26	0.18	0.66	0.37
AgentReview2026.06	0.35	0.57	0.52	0.29	0.79	0.5
DeepReview2026.06	0.35	0.22	0.23	0.13	0.85	0.35
AI-Scientist-v22026.06	0.34	0.41	0.47	0.26	0.81	0.46
DeepReview2026.06	0.34	0.35	0.26	0.24	0.85	0.41
Vanilla RL2026.06	0.33	0.51	0.36	0.38	0.89	0.49
CycleReviewer2026.06	0.31	0.28	0.21	0.17	0.84	0.36
AgentReview2026.06	0.3	0.32	0.21	0.13	0.63	0.32
ProReviewer2026.06	0.3	0.56	0.44	0.4	0.89	0.52
AgentReview2026.06	0.29	0.36	0.44	0.25	0.7	0.41
AgentReview2026.06	0.28	0.46	0.45	0.23	0.78	0.44
AI-Scientist-v22026.06	0.28	0.44	0.46	0.25	0.83	0.45
AI-Scientist-v22026.06	0.27	0.29	0.28	0.15	0.73	0.34
AI-Scientist-v22026.06	0.26	0.28	0.27	0.12	0.69	0.32
AI-Scientist-v22026.06	0.26	0.33	0.35	0.2	0.73	0.37
AI-Scientist-v22026.06	0.26	0.31	0.38	0.19	0.73	0.37
AI-Scientist-v22026.06	0.25	0.26	0.2	0.09	0.81	0.32
AgentReview2026.06	0.24	0.32	0.38	0.22	0.69	0.37
AgentReview2026.06	0.22	0.26	0.3	0.15	0.63	0.31
AI-Scientist-v22026.06	0.21	0.21	0.21	0.09	0.68	0.28
AI-Scientist-v22026.06	0.21	0.21	0.22	0.11	0.69	0.29
AI-Scientist-v22026.06	0.21	0.24	0.28	0.14	0.69	0.31
AgentReview2026.06	0.2	0.25	0.31	0.16	0.64	0.31
AgentReview2026.06	0.19	0.2	0.24	0.11	0.61	0.27
AI-Scientist-v22026.06	0.17	0.16	0.14	0.07	0.74	0.25
AgentReview2026.06	0.14	0.13	0.14	0.07	0.66	0.23
AgentReview2026.06	0.13	0.12	0.13	0.06	0.64	0.21