論文の概要: Scideator: Human-LLM Scientific Idea Generation Grounded in Research-Paper Facet Recombination
- arxiv url: http://arxiv.org/abs/2409.14634v1
- Date: Mon, 23 Sep 2024 00:09:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-09-26 02:52:08.468860
- Title: Scideator: Human-LLM Scientific Idea Generation Grounded in Research-Paper Facet Recombination
- Title(参考訳): Sideator:研究用紙の顔再結合を基礎とした人間とLLMの科学的アイデア
- Authors: Marissa Radensky, Simra Shahid, Raymond Fok, Pao Siangliulue, Tom Hope, Daniel S. Weld,
- Abstract要約: 我々は、科学的思考のための新しい混合開始ツールであるSideatorに貢献する。
ユーザが提供する論文セットから、Sideatorはこれらおよび関連する論文からキーファセット(目的、メカニズム、評価)を抽出する。
またSideatorは、ユーザーが文学を検索することで、アイデアの斬新さを判断するのに役立つ。
- 参考スコア(独自算出の注目度): 23.48126633604684
- License:
- Abstract: The scientific ideation process often involves blending salient aspects of existing papers to create new ideas. To see if large language models (LLMs) can assist this process, we contribute Scideator, a novel mixed-initiative tool for scientific ideation. Starting from a user-provided set of papers, Scideator extracts key facets (purposes, mechanisms, and evaluations) from these and relevant papers, allowing users to explore the idea space by interactively recombining facets to synthesize inventive ideas. Scideator also helps users to gauge idea novelty by searching the literature for potential overlaps and showing automated novelty assessments and explanations. To support these tasks, Scideator introduces four LLM-powered retrieval-augmented generation (RAG) modules: Analogous Paper Facet Finder, Faceted Idea Generator, Idea Novelty Checker, and Idea Novelty Iterator. In a within-subjects user study, 19 computer-science researchers identified significantly more interesting ideas using Scideator compared to a strong baseline combining a scientific search engine with LLM interaction.
- Abstract(参考訳): 科学的思考プロセスは、しばしば既存の論文の健全な側面をブレンドして新しいアイデアを作成する。
大規模言語モデル(LLM)がこのプロセスを支援することができるかどうかを確認するため、科学的な思考のための新しい混合開始ツールであるSideatorを寄贈する。
ユーザが提供する論文の集合から、Sideatorはこれらおよび関連論文からキーファセット(目的、メカニズム、評価)を抽出し、ユーザーが対話的にファセットを再結合してアイデアを合成することでアイデア空間を探索することができる。
Scideatorはまた、潜在的重複を検索し、自動化された新規性評価と説明を表示することで、アイデアの新規性を評価するのに役立つ。
これらのタスクをサポートするため、Sideatorは4つのLLMベースの検索拡張ジェネレーション(RAG)モジュール(Analogous Paper Facet Finder、Faceted Idea Generator、Idean Novelty Checker、Idean Novelty Iterator)を導入した。
コンピュータサイエンスの研究者19人が、科学的な検索エンジンとLLMの相互作用を組み合わせた強力なベースラインに比べて、Sideatorを使った興味深いアイデアを発見しました。
関連論文リスト
- MASSW: A New Dataset and Benchmark Tasks for AI-Assisted Scientific Workflows [58.56005277371235]
我々は,Multi-Aspect Summarization of ScientificAspectsに関する総合テキストデータセットであるMASSWを紹介する。
MASSWには過去50年間にわたる17の主要なコンピュータサイエンスカンファレンスから152,000以上の査読論文が含まれている。
我々は、この新しいデータセットを用いてベンチマーク可能な、複数の新しい機械学習タスクを通じて、MASSWの有用性を実証する。
論文 参考訳(メタデータ) (2024-06-10T15:19:09Z) - Generation and human-expert evaluation of interesting research ideas using knowledge graphs and large language models [0.6906005491572401]
SciMuseは5800万以上の科学論文から構築された知識グラフを利用して、パーソナライズされた研究アイデアを生成するシステムである。
データ効率のよい機械学習は、高い精度で研究の関心を予測でき、生成した研究のアイデアの関心レベルを最適化できる。
論文 参考訳(メタデータ) (2024-05-27T11:00:51Z) - ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
ResearchAgentは、大規模言語モデルによる研究アイデア作成エージェントである。
科学文献に基づいて繰り返し精製しながら、問題、方法、実験設計を生成する。
我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
論文 参考訳(メタデータ) (2024-04-11T13:36:29Z) - SciGLM: Training Scientific Language Models with Self-Reflective
Instruction Annotation and Tuning [60.14510984576027]
SciGLMは、大学レベルの科学的推論を行うことができる科学言語モデルのスイートである。
本研究では, 自己回帰的指示アノテーションの枠組みを適用し, 難解な科学的問題に対する段階的推論を生成する。
言語モデルのChatGLMをSciInstructで微調整し、科学的および数学的推論能力を向上した。
論文 参考訳(メタデータ) (2024-01-15T20:22:21Z) - SciMON: Scientific Inspiration Machines Optimized for Novelty [68.46036589035539]
文献に基づく新たな科学的方向を生成するために,ニューラルランゲージモデルを探索し,拡張する。
モデルが入力背景コンテキストとして使用される新しい設定で、劇的な出発をとっています。
本稿では,過去の科学的論文から「吸入」を抽出するモデリングフレームワークであるSciMONを紹介する。
論文 参考訳(メタデータ) (2023-05-23T17:12:08Z) - Neural Approaches to Conversational Information Retrieval [94.77863916314979]
会話情報検索(CIR)システムは、会話インタフェースを備えた情報検索(IR)システムである。
近年のディープラーニングの進歩により、自然言語処理(NLP)と会話型AIが大幅に改善されている。
この本は、ここ数年で開発された神経アプローチに焦点を当てた、CIRの最近の進歩を調査します。
論文 参考訳(メタデータ) (2022-01-13T19:04:59Z) - Simulation Intelligence: Towards a New Generation of Scientific Methods [81.75565391122751]
シミュレーション知能の9つのモチーフ」は、科学計算、科学シミュレーション、人工知能の融合に必要な重要なアルゴリズムの開発と統合のためのロードマップである。
シミュレーションインテリジェンスのモチーフは、オペレーティングシステムのレイヤ内のコンポーネントとよく似ています。
我々は、モチーフ間の協調的な努力が科学的な発見を加速する大きな機会をもたらすと信じている。
論文 参考訳(メタデータ) (2021-12-06T18:45:31Z) - Bridger: Toward Bursting Scientific Filter Bubbles and Boosting
Innovation via Novel Author Discovery [22.839876884227536]
ブリッジャー(Bridger)は、学者とその研究の発見を促進するシステムである。
論文から抽出した情報と推論されたペルソナを用いて著者の顔表現を構築する。
我々は、科学者間の共通点とコントラストを見つけるアプローチを開発する。
論文 参考訳(メタデータ) (2021-08-12T11:24:23Z) - GASP! Generating Abstracts of Scientific Papers from Abstracts of Cited
Papers [9.472227971923672]
本稿では,引用論文の要約(GASP)をテキスト・トゥ・テキスト・タスクとして,科学論文の要約を生成するという,新しい,科学的かつ哲学的な課題を紹介する。
論文 参考訳(メタデータ) (2020-02-28T14:58:41Z)
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。