本研究提出了认知对齐框架（CAF），旨在提升大型语言模型（LLMs）在生成学术元评审时的表现。通过应用卡尼曼的双过程理论，CAF有效整合不同观点，提升了一致性，情感一致性和内容一致性分别提高了19.47%和12.95%。