本研究提出Re^2数据集，旨在解决同行评审数据集的多样性不足和质量低下的问题。该数据集包含大量初始提交、评审评论和反驳内容，支持静态评审和动态交互，帮助作者完善手稿，减轻审核压力。

本研究提出了一种新颖的水印嵌入技术，用于识别学术期刊和会议中依赖大型语言模型生成的评审评论。该方法在评估中展现出高灵敏度和抗干扰性，有助于提升同行评审的质量。