用途：为 ICLR、NeurIPS、ICML、EMNLP 等会议的同行评审 rebuttal 提供可执行指导。核心模型为条件说服 P(Z=1|X,Y)：X 为审稿人心态（从评审文本推断的行为聚类），Y 为 rebuttal 策略向量，Z 为成功（分数提升或论文被接收）。
主要能力：逐条清点 Weakness 与 Question 并输出 ID/类型/摘要表；将每条意见分类为 misunderstanding、evidence_gap、novelty、baseline_fairness、scope_claim、writing_clarity、theory、efficiency 或 other；依据开放性、严厉度、建设性、具体性、怀疑度、苛刻度、可操作性等 5–7 个行为信号匹配审稿人心态聚类，并给出置信度与触发短语；从心态库读取历史提升率、成功与失败规则差异、Cohen's d 效应及成败模式，形成策略优先级；对每条意见输出指导块，含意见类型、心态感知策略、推荐结构（Acknowledge → Response → Evidence → Revision note）、需从论文何处澄清、是否需要新实验、语气提示、模板 A/B/C 与应避免事项。
使用方式：用户粘贴评审中的 Weaknesses/Questions 后，先清点意见，若只粘贴一位审稿人则询问是否还有其他审稿人；随后分类、匹配心态、给出全局策略与逐条指导，最后经完整性检查输出 ## Rebuttal Guidance 段落，包含心态摘要、3–5 条全局策略、逐条指导块与检查清单要点。
适用场景：询问如何回应某条具体审稿意见、写 rebuttal 前需要结构化计划、判断严厉或开放审稿人适合的语气与证据策略、以及审稿人忽略 rebuttal 后需要重新校准时。
限制：不产出可直接粘贴的完整 rebuttal 正文，仅给指导并提醒勿盲目粘贴 LLM 输出；不用于评估研究想法（应使用 idea-evaluator）或投稿前论文评审（应使用 pre-submission-reviewer）；未提供评审文本时需先索取；不得编造实验数字，未核实内容标记为 [TO VERIFY]；防御性措辞与过度承诺风险会被标记。具体统计数值与模板细节见其引用文件，资料未提供更多实现细节。