과학 논문 동료 심사(Scientific peer reviews)에는 종종 상충하는 전문가 판단이 포함되며, 학회 제출 규모가 커지면서 Area Chair와 편집자가 이러한 의견 불일치를 신뢰성 있게 식별하고 해석하기 어려워지고 있습니다. 기존 접근 방식들은 일반적으로 리뷰어 간의 의견 불일치를 고립된 문장 쌍에 대한 이진 모순 탐지(binary contradiction detection)로 구성하며, 이는 리뷰 수준의 맥락을 추상화하고 평가적 갈등의 심각도 차이를 가립니다. 본 연구에서는 전체 동료 심사 리뷰를 대상으로 작동하는 리뷰어 모순 분석의 세밀한 공식화(fine-grained formulation)를 도입하여, 모순 증거 구간(contradiction evidence spans)을 명시적으로 식별하고 등급화된 의견 불일치 강도 점수(graded disagreement intensity scores)를 할당합니다. 이 작업을 지원하기 위해, 우리는 증거 수준의 모순 주석과 등급화된 강도 레이블을 가진 동료 심사 쌍의 전문가 주석 벤치마크인 RevCI를 제시합니다. 나아가, 리뷰어 모순 및 그 강도를 모델링하기 위해 측면 조건부 증거 추출(aspect-conditioned evidence extraction), 숙고적 추론(deliberative reasoning), 그리고 판정(adjudication)을 통합하는 구조화된 다중 에이전트 프레임워크인 IMPACT를 제안합니다. 효율적인 배포를 지원하기 위해, 우리는 IMPACT를 TIDE로 증류하여 단일 순방향 패스(single forward pass)에서 모순 증거와 강도를 예측하는 소형 언어 모델을 만듭니다. 실험 결과는 IMPACT가 증거 식별과 강도 일치 모두에서 강력한 단일 에이전트 및 일반적인 다중 에이전트 기준선들을 상당히 능가하며, TIDE는 훨씬 낮은 추론 비용으로 경쟁력 있는 성능을 달성함을 보여줍니다.