HY Roundtable:本地开源多智能体圆桌,让多个大模型盲评互怼审论文

HY Roundtable 用多模型盲评互怼,在投稿前揪出统计与配图硬伤。
HY Roundtable 是一款本地开源的多智能体科研协作工具,主打用"模型互怼"替代单模型写作时的顺从式反馈。它把 Gemini 4、Claude Opus 5.5、GPT 6.2 等跨引擎异构专家放进同一协作空间,最多支持 2-12 位专家并发,可切换圆桌讨论、主帅点将、多轨流水线与一对一专办四种阵型。核心流程是投稿前红队预审:第一轮盲屏隔离、独立排查,第二轮交叉质询,由不同模型分别发现并复算统计硬伤,再由主席汇总整改方案。系统内置统计检验力、Fisher 实验设计三原则、顶刊配图等七大 Open Science 协议,自动校验数值映射、色盲配色与分辨率。工程上支持限流时热换人与跨模型额度替补,角色规范与上下文自动继承;纯 Python 标准库运行于本地环回端口,附用本机 CLI 登录态,无需额外 API 账单。
写代码、跑消融、画顶刊配图、赶投稿修回——单聊一个大模型做科研,它总是顺着你的话夸,关键审稿硬伤却一个没看出来。B站近期分享的本地开源多智能体工具 HY Roundtable,试图用"模型互怼"解决这个痛点:把 Gemini 4、Claude Opus 5.5 与 GPT 6.2 同时请进本地研讨室,在投稿前把漏洞提前审透。
多模型圆桌:从"单聊被夸"到"盲评互怼"
HY Roundtable 的核心设计是把多个跨引擎异构专家放进同一个协作空间。界面可按课题阶段自由切换四种协作阵型:圆桌讨论、主帅点将、多轨流水线与一对一专办。用户点击预设或自定义,最多可拉起 2-12 位跨引擎异构专家并发协同。
分工方式颇具"学术评审"味道:让 Gemini 4 任科研首席统筹,Claude Opus 担任方法学盲审,GPT 6.2 跑代码复算,另有 Gemini Carbon 把关配图。这种设计试图打破单一模型"顺情说好话"的四维盲区——同一份稿件被不同模型从不同角度审视,互相质询。

真实投稿前红队预审:两轮质询揪出硬伤
原文展示了一场投稿前红队预审。第一轮开启真盲屏、物理隔离,五位专家互不可见,独立排查硬伤。进入第二轮交叉质询,Claude 直接揪出初稿把连续切片当独立样本的伪重复剧稿硬伤,并现场点名。
随后 GPT 6.2 独立复算原始 CSV 数据表,修正为按独立患者剧类的 Bootstrap 置信区间与 Holm 校正 P 值。最后由主席汇总出附带跨引擎逐项核查表的可执行整改方案。

这种"盲评—质询—汇总"的流程,本质上是把同行评审的对抗性引入写作过程。多源交叉验证在这里不只是概念:同一处统计缺陷由不同模型独立发现并复算,结论可信度明显高于单模型自检。
伪重复(pseudoreplication) 是统计推断中常见的一类设计缺陷:当样本之间存在非独立性(例如同一患者的多张连续切片、同一动物的多次测量、同一培养皿的多个孔),若把它们当作彼此独立的观测单位纳入检验,就会人为放大有效样本量,导致标准误被低估、P 值偏小、置信区间过窄,从而抬高假阳性率。正确做法是先明确真正的独立实验单位,再在单位层面做汇总或使用混合效应模型、聚类稳健标准误等方法处理相关结构。原文中 Claude 揪出的"把连续切片当独立样本"正是典型伪重复,后续改用按独立患者聚类的 Bootstrap 置信区间与 Holm 校正,正是针对这一缺陷的补救。
Bootstrap 置信区间与 Holm 校正是两项常被搭配使用的统计工具。Bootstrap 通过对原始样本进行大量有放回重抽样,经验性地估计统计量的抽样分布,从而构造置信区间;当样本存在聚类结构时,需采用按聚类单位整体重抽样的"聚类 Bootstrap",才能保留组内相关性、给出更诚实的区间宽度。Holm 校正则属于多重比较校正方法:当同一研究里同时检验多个假设时,族错误率会随检验数量上升,Holm 通过把显著性阈值按排序逐步收紧(比 Bonferroni 略宽松但同样控制族错误率),在保证严谨性的同时减少不必要的功效损失。二者结合,正是对伪重复问题从区间估计与显著性判定两个层面的修正。
内置 Open Science 协议:统计与配图的双重把关
针对科研代码与论文配图的返工痛点,系统内置统计检验力、Fisher 实验设计三原则、顶刊配图等七大 Open Science 协议。切到产物与科研图纯白画廊,不仅能一键切换 SVG、PNG 与真 600 DPI TIF,放大到 150% 检查字号,还能同频对比整改前后的图件差异。
机械校验项包括源表数值映射、色盲安全配色与 Shade256 证据素原图,从根源杜绝错标位、校正 P 值或虚标分辨率。对需要反复修图的硕博生来说,这类自动化校验能省下大量肉眼比对的时间。

统计检验力(statistical power) 指在备择假设为真时正确拒绝原假设的概率,通常记为 1−β,惯例取 0.8。它与样本量、效应量、显著性水平 α 三者相互制约:效应量越小、要求的检验力越高,所需样本量越大。事前的检验力分析(power analysis)用于确定最小样本量,事后则可用于解释"不显著"结果究竟是真无效应还是样本不足。Fisher 实验设计三原则指随机化(randomization)、重复(replication)与区组化(blocking/local control):随机化避免系统性偏倚,重复提供误差估计,区组化则通过把已知干扰因素分层来控制变异、提高精度。三者共同构成频率学派实验设计的基石,也是判断一项研究能否支撑因果结论的重要依据。
额度耗尽与断点接力:为通宵审稿设计
最懂硕博生崩溃瞬间的设计,是应对凌晨 2 点主力模型突然爆 429、额度耗尽的情况。在圆桌现场任意时刻点击专家席位,即可秒级热换人,或一键为全员绑定跨模型额度替补。一旦触发限流,编排器自动继承完整角色规范与上文进度,完成最多两条跨模型无感接力,通宵审稿绝不中断。
这种"角色规范与上下文继承"的机制,是多智能体编排里比较少见但实用的工程细节——它把模型调用失败从"流程中断"降级为"无缝换人"。
本地运行与零额外 API 账单
HY Roundtable 无需额外充值高昂的第三方 API 账单,直接附用本机官方 Anti-Gravity 与 Codex CLI 登录态,纯 Python 标准库运行在 127.0.0.1 本地环回端口。发表手稿与原始实验数据绝不上传第三方中转,这对数据敏感的研究者尤为关键。

界面还支持深色极客与浅色学术质感双主题一键切换。从开题实验设计、统计代码复算,到投稿前红队盲审与 Rebuttal 演练,HY Roundtable 的定位是"把五位严格审稿人装进你的电脑"。该项目已在 GitHub 完全开源,双击启动脚本 30 秒即可开会。
需要说明的是,原文对模型版本、协作人数上限等描述均来自 UP 主分享,具体能力边界仍需读者自行验证。但"多模型对抗式审稿"这一思路,确实为单模型写作的盲区提供了一种可操作的补丁。
相关推荐

Gemini 4双模型曝光,Genie 4世界模型上线,AI研发自我加速
11月19日AI晚报汇总:DeepMind Gemini 4 Sodium传闻曝光,Cursor上线Gemini 4 Neon拿下CursorBench 4.1 63.7%;Genie 4世界模型上线支持实时编辑与原声音频;WorkBuddy接入GPT-6.2系列;OpenAI披露AI芯片设计提效与RSI研究指标。

GPT 6.2、Fable 5.2、Gemini 4 实测:一张图生成游戏UI谁最强
B站UP主实测GPT 6.2、Fable 5.2、Gemini 4用一张游戏原图生成完整UI:功能都能跑通,但设计还原度和交互质感差距明显。Fable 5.2表现力最佳却出现死循环事故,GPT 6.2均衡但图标跑偏,Gemini 4观感廉价。附LGUI Agent工作流与引擎导出方案解析。

Claude Code 一次改十个文件会乱吗?分批策略与 diff 审查
Claude Code 能通读项目上下文并自动改代码,但一次改十个文件仍有风险。本文结合公开课观点,分析 Claude Code 与 Cursor、TRAE 的能力差异,并给出分批提交、diff 审查与规范约束的实践思路。