論文の概要: CRUISE-Screening: Living Literature Reviews Toolbox

• arxiv url: http://arxiv.org/abs/2309.01684v1
• Date: Mon, 4 Sep 2023 15:58:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-09-06 18:02:50.024924
• Title: CRUISE-Screening: Living Literature Reviews Toolbox
• Title（参考訳）: CRUISE-Screening: Living Literature Reviews Toolbox
• Abstract要約: CRUISE-Screeningは、生物文学レビューを行うためのウェブベースのアプリケーションである。 APIを通じて複数の検索エンジンに接続しており、定期的に検索結果を更新することができる。
• 参考スコア（独自算出の注目度）: 8.292338880619061
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Keeping up with research and finding related work is still a time-consuming task for academics. Researchers sift through thousands of studies to identify a few relevant ones. Automation techniques can help by increasing the efficiency and effectiveness of this task. To this end, we developed CRUISE-Screening, a web-based application for conducting living literature reviews - a type of literature review that is continuously updated to reflect the latest research in a particular field. CRUISE-Screening is connected to several search engines via an API, which allows for updating the search results periodically. Moreover, it can facilitate the process of screening for relevant publications by using text classification and question answering models. CRUISE-Screening can be used both by researchers conducting literature reviews and by those working on automating the citation screening process to validate their algorithms. The application is open-source: https://github.com/ProjectDoSSIER/cruise-screening, and a demo is available under this URL: https://citation-screening.ec.tuwien.ac.at. We discuss the limitations of our tool in Appendix A.
• Abstract（参考訳）: 研究に追随し、関連する仕事を見つけることは、いまだに学者にとって時間のかかる作業である。 研究者たちは何千もの研究を掘り下げて、関連するものをいくつか特定します。 自動化技術は、このタスクの効率性と有効性を高めるのに役立つ。 CRUISE-Screeningは,生物文献レビューを行うウェブベースのアプリケーションであり,特定の分野における最新の研究を反映して継続的に更新される文献レビューの一種である。 CRUISE-ScreeningはAPIを介して複数の検索エンジンに接続しており、定期的に検索結果を更新することができる。 さらに、テキスト分類と質問応答モデルを用いて、関連する出版物のスクリーニングを容易にすることができる。 CRUISE-Screeningは、文献レビューを行う研究者と、引用スクリーニングプロセスを自動化してアルゴリズムを検証する研究者の両方で使用することができる。 アプリケーションはオープンソースで、https://github.com/projectdossier/cruise-screening、このurlでデモが提供されている。 Appendix Aにおけるツールの限界について論じる。

関連論文リスト

• ToFu: A White-Box, Token-Efficient Agent Harness for Researchers [73.72929185946842]
  ToFuは、ファイルを読み、ファイルを編集し、コマンドを実行し、開発ツールと統合する研究者のためのエージェントハーネスだ。 研究助手として、より優れたトークン効率、低コスト、多言語能力で実践的な研究を支援する。 研究対象として、ToFuはホワイトボックスのエージェントハーネスを提供しており、研究者はオーケストレーションロジック、ツール使用の振る舞い、デザインを検査、修正、評価することができる。
  論文  参考訳（メタデータ） (2026-07-13T11:26:06Z)
• AutoResearchBench: Benchmarking AI Agents on Complex Scientific Literature Discovery [55.70879973230979]
  AutoResearchBenchは、自律的な科学文献発見のためのベンチマークである。 エージェントWebブラウジングに関する以前のベンチマークと比較すると、AutoResearchBenchは研究指向である。 最も強力なLCMでさえ、BrowseCompのような一般的なエージェントによるWebブラウジングベンチマークをほとんど征服したにもかかわらず、Deep Researchでは9.39%、Wide Researchでは9.31%の精度しか達成していない。
  論文  参考訳（メタデータ） (2026-04-28T06:05:17Z)
• Paper Circle: An Open-source Multi-agent Research Discovery and Analysis Framework [82.66443886385125]
  ペーパーサークル(Paper Circle)は、学術文献の発見、評価、整理、理解に必要な労力を減らすために設計された発見・分析システムである。 1)複数のソースからのオフラインおよびオンライン検索を統合するディスカバリパイプライン,多エージェントスコアリング,多様性対応ランキング,構造化アウトプット,2)個々の論文を概念,メソッド,数値などの型付きノードで構造化された知識グラフに変換する分析パイプライン,の2つの補完パイプラインで構成されている。
  論文  参考訳（メタデータ） (2026-04-07T17:59:58Z)
• AI Co-Scientist for Ranking: Discovering Novel Search Ranking Models alongside LLM-based AI Agents with Cloud Computing Access [60.37646376282544]
  本稿では,全検索ランキング研究パイプラインを自動化したAI共同科学者フレームワークを提案する。 これは、AIの共同科学者フレームワークをアルゴリズム研究に利用した、ランキングコミュニティで初めての研究である。
  論文  参考訳（メタデータ） (2026-03-23T09:29:08Z)
• ResearchPilot: A Local-First Multi-Agent System for Literature Synthesis and Related Work Drafting [3.272585676511349]
  ResearchPilotは、文献レビュー支援のためのオープンソースのセルフホスト可能なマルチエージェントシステムである。 自然言語研究の質問を受けて、Semantic ScholarとarXivから論文を検索する。 紙抽象物から構造化された結果を抽出し、クロスペーパーパターンを合成し、引用・認識作業部を起草する。
  論文  参考訳（メタデータ） (2026-03-15T22:02:59Z)
• PaperSearchQA: Learning to Search and Reason over Scientific Papers with RLVR [64.22412492998754]
  我々は,1600万件のバイオメディカルペーパーを要約した検索コーパスを公開し,PaperSearchQAと呼ばれるファクトイックなQAデータセットを構築した。 我々は,この環境における検索エージェントを訓練し,非RL検索ベースラインを上回ります。 我々のデータ生成方法はスケーラブルで、他の科学領域にも容易に拡張できます。
  論文  参考訳（メタデータ） (2026-01-26T06:46:16Z)
• WisPaper: Your AI Scholar Search Engine [55.07907253175705]
  textscWisPaperは、インテリジェントな学術検索と文献管理プラットフォームである。 文献発見、管理、研究フロンティアの継続的な追跡をシームレスに接続するクローズドループワークフローを提供する。 プラットフォームは一般公開されており、学術や産業の研究者に利用されている。
  論文  参考訳（メタデータ） (2025-12-07T15:10:20Z)
• LLAssist: Simple Tools for Automating Literature Review Using Large Language Models [0.0]
  LLAssistは学術研究における文献レビューの合理化を目的としたオープンソースツールである。 レビュープロセスの重要な側面を自動化するために、Large Language Models(LLM)とNatural Language Processing(NLP)技術を使用する。
  論文  参考訳（メタデータ） (2024-07-19T02:48:54Z)
• WorkArena: How Capable Are Web Agents at Solving Common Knowledge Work Tasks? [83.19032025950986]
  本稿では,Webブラウザを介してソフトウェアと対話する大規模言語モデルベースエージェントについて検討する。 WorkArenaは、広く使用されているServiceNowプラットフォームに基づく33のタスクのベンチマークである。 BrowserGymは、そのようなエージェントの設計と評価のための環境である。
  論文  参考訳（メタデータ） (2024-03-12T14:58:45Z)
• LitLLM: A Toolkit for Scientific Literature Review [15.080020634480272]
  Toolkit は Retrieval Augmented Generation (RAG) の原則に基づいている。 システムはまずWeb検索を開始し、関連書類を検索する。 第2に、ユーザが提供する抽象化に基づいて、検索した論文を再ランクする。 第3に、再ランクされた結果と要約に基づいて、関連する作業部を生成する。
  論文  参考訳（メタデータ） (2024-02-02T02:41:28Z)
• Cache & Distil: Optimising API Calls to Large Language Models [82.32065572907125]
  ジェネレーティブAIツールの大規模デプロイは、ユーザクエリをフルフィルするために、LLM(Large Language Model)に対する高価なAPI呼び出しに依存することが多い。 これらの呼び出しの頻度を縮めるために、より小さな言語モデル(学生)を用いることができる。 この学生は、ユーザー要求の増加に独立して対処する能力が徐々に向上する。
  論文  参考訳（メタデータ） (2023-10-20T15:01:55Z)
• AI Literature Review Suite [0.0]
  総合的な文献レビューを提供するために、いくつかの機能を統合するAI Literature Review Suiteを紹介します。 このツールは、オープンアクセス科学、大規模言語モデル(LLM)、自然言語処理の力を活用して、PDFファイルの検索、ダウンロード、整理を可能にする。 このスイートには、組織、対話、クエリのための統合プログラムや、文献レビューの要約も備えている。
  論文  参考訳（メタデータ） (2023-07-27T17:30:31Z)
• A Semi-Automated Solution Approach Recommender for a Given Use Case: a Case Study for AI/ML in Oncology via Scopus and OpenAI [0.6749750044497732]
  提案するツールであるSARBOLD-LLMは,与えられた問題に関連するメソッドの発見と選択を可能にする。 意思決定の洞察を導き出すために、文学における彼らの使用に関する追加情報を提供する。 調査を最初に行う方法を選択し、調査を補完する上で有用なツールである。
  論文  参考訳（メタデータ） (2023-07-10T14:07:28Z)
• CiteBench: A benchmark for Scientific Citation Text Generation [69.37571393032026]
  CiteBenchは引用テキスト生成のベンチマークである。 CiteBenchのコードはhttps://github.com/UKPLab/citebench.comで公開しています。
  論文  参考訳（メタデータ） (2022-12-19T16:10:56Z)
• ALBench: A Framework for Evaluating Active Learning in Object Detection [102.81795062493536]
  本稿では、オブジェクト検出におけるアクティブラーニングを評価するために、ALBenchという名前のアクティブラーニングベンチマークフレームワークをコントリビュートする。 自動深層モデルトレーニングシステム上で開発されたこのALBenchフレームワークは、使いやすく、さまざまなアクティブな学習アルゴリズムと互換性があり、同じトレーニングおよびテストプロトコルを保証する。
  論文  参考訳（メタデータ） (2022-07-27T07:46:23Z)
• A Systematic Literature Review on the Use of Deep Learning in Software Engineering Research [22.21817722054742]
  ソフトウェア開発タスクを自動化するために、ソフトウェア工学(SE)研究者が採用するテクニックのセットが、ディープラーニング(DL)の概念に根ざしている。 本稿では,SE & DLの交差点における研究の体系的な文献レビューを行う。 我々は、機械学習技術の特定の問題領域への適用を規定する一連の原則である学習の構成要素を中心に分析を行う。
  論文  参考訳（メタデータ） (2020-09-14T15:28:28Z)
• CATCH: Context-based Meta Reinforcement Learning for Transferrable Architecture Search [102.67142711824748]
  CATCHは、転送可能なarChitecture searcHのための、Context-bAsed meTa強化学習アルゴリズムである。 メタラーニングとRLの組み合わせにより、CATCHは検索空間に依存しないまま、新しいタスクに効率的に適応できる。 また、ImageNet、COCO、Cityscapesの競合ネットワークとしてクロスドメインアーキテクチャサーチを扱うこともできる。
  論文  参考訳（メタデータ） (2020-07-18T09:35:53Z)
• Mining Implicit Relevance Feedback from User Behavior for Web Question Answering [92.45607094299181]
  本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。 提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。 実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
  論文  参考訳（メタデータ） (2020-06-13T07:02:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。