用途：对学术论文做结构化自动评审，模拟多种评审人视角并给出可执行的修改建议。输入为 PDF 文件或 .tex 文件的路径（$ARGUMENTS）。
主要能力：
- 文本提取：extract_pdf_text.py 从 PDF 抽取文本，依次尝试 pymupdf4llm、pymupdf、pypdf，可输出纯文本或 markdown；依赖安装 pip install pymupdf4llm pymupdf pypdf。
- 结构化解析：parse_pdf_sections.py 按字号识别标题、抽取章节标题与正文，输出 sections.json，支持 --format text、--verbose；依赖 pip install pymupdf。
- 三角色评审：严厉但公正、严厉且挑剔、开放心态三种角色，各自按 references/review-form.md 中的 NeurIPS 评审 JSON 格式生成评审。
- 反思精炼：每位评审最多 3 轮，重新评估准确性与合理性，直至“I am done”。
- 汇总：合并三份评审，数值分数四舍五入取平均，生成寻找共识的元评审；按 AgentLaboratory 权重加权：Overall 1.0、Contribution 0.4、Presentation 0.2、其余各 0.1。
- 输出报告：包含评审摘要（总体分、加权分、接受/拒绝决定、置信度）、共识优点与不足、给作者的问题、带章节页码的具体修改建议，以及各维度分数明细表。
必要检查：必须确认 Abstract、Introduction、Methods/Approach、Experiments/Results、Discussion/Conclusion 等章节齐全，缺失则扣分。
使用方式：按工作流依次加载论文、执行三角色评审、反思精炼、汇总、生成报告。
相关技能：上游 paper-compilation；下游 paper-revision、rebuttal-writing；另见 slide-generation。
限制：评审依赖 PDF 文本提取与章节解析质量；评分权重与评审表内容以 references/review-form.md 为准；资料未说明运行环境、模型或费用信息。