論文の概要: Spark: A System for Scientifically Creative Idea Generation

• arxiv url: http://arxiv.org/abs/2504.20090v1
• Date: Fri, 25 Apr 2025 20:33:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.575892
• Title: Spark: A System for Scientifically Creative Idea Generation
• Title（参考訳）: Spark: 科学的に創造的なアイデア生成システム
• Authors: Aishik Sanyal, Samuel Schapiro, Sumuk Shashidhar, Royce Moon, Lav R. Varshney, Dilek Hakkani-Tur,
• Abstract要約: 大規模言語モデル(LLM)は、科学における新しい研究のアイデアを生み出す有望な能力を示している。 我々は、LLMを用いた検索強化アイデア生成と、OpenReviewから600Kの科学的レビューに基づいて訓練された審査員モデルとを結合したSparkというアイデア生成システムを提案する。
• 参考スコア（独自算出の注目度）: 17.327096015873334
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, large language models (LLMs) have shown promising abilities to generate novel research ideas in science, a direction which coincides with many foundational principles in computational creativity (CC). In light of these developments, we present an idea generation system named Spark that couples retrieval-augmented idea generation using LLMs with a reviewer model named Judge trained on 600K scientific reviews from OpenReview. Our work is both a system demonstration and intended to inspire other CC researchers to explore grounding the generation and evaluation of scientific ideas within foundational CC principles. To this end, we release the annotated dataset used to train Judge, inviting other researchers to explore the use of LLMs for idea generation and creative evaluations.
• Abstract（参考訳）: 近年,大規模言語モデル (LLM) は,計算創造性 (CC) における多くの基礎原理と一致する,科学における新しい研究思想を創出する有望な能力を示している。 これらの発展を踏まえて、我々は、LLMを用いた検索強化されたアイデア生成と、OpenReviewから600Kの科学的レビューに基づいて訓練された審査員モデルとを結合した、Sparkというアイデア生成システムを提案する。 我々の研究はシステム実証であり、他のCC研究者に基礎的なCCの原則の中で科学的アイデアの生成と評価の基礎を探求するよう刺激することを目的としています。 この目的のために、審査員の訓練に使用される注釈付きデータセットを公開し、他の研究者にアイデア生成と創造的評価にLLMを使用することを依頼する。

関連論文リスト

• Self-reflecting Large Language Models: A Hegelian Dialectical Approach [13.910371970437708]
  哲学的なレンズによるNLPの探索は、計算手法と古典的な哲学の学派を結びつけることで、研究者の目を引くようになった。 本稿では, LLMの自己回帰に対するヘーゲル弁証法に触発された哲学的アプローチを紹介し, 自己弁証的アプローチを用いて内的批判をエミュレートし, 矛盾点を解消して新たなアイデアを合成する。 我々の実験は、新しいアイデアを生み出すことを約束し、将来の研究の足場を提供する。
  論文  参考訳（メタデータ） (2025-01-24T20:54:29Z)
• LLMs can Realize Combinatorial Creativity: Generating Creative Ideas via LLMs for Scientific Research [5.564972490390789]
  本稿では,Large Language Models (LLM) を用いた創造性理論を明示的に実装するフレームワークを提案する。 このフレームワークは、クロスドメイン知識発見のための一般化レベル検索システムと、アイデア生成のための構造化プロセスを備えている。 OAG-Benchデータセットの実験は、我々のフレームワークの有効性を実証し、実際の研究成果と整合したアイデアを生成するためのベースラインアプローチを一貫して上回っている。
  論文  参考訳（メタデータ） (2024-12-18T18:41:14Z)
• Chain of Ideas: Revolutionizing Research Via Novel Idea Development with LLM Agents [64.64280477958283]
  科学文献の急激な増加は、研究者が最近の進歩と意義ある研究方向を見極めるのを困難にしている。 大規模言語モデル(LLM)の最近の発展は、新しい研究のアイデアを自動生成するための有望な道のりを示唆している。 本研究では, チェーン構造に関連文献を整理し, 研究領域の進展を効果的に反映する, LLMベースのエージェントであるChain-of-Ideas(CoI)エージェントを提案する。
  論文  参考訳（メタデータ） (2024-10-17T03:26:37Z)
• Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System [62.832818186789545]
  Virtual Scientists (VirSci) は、科学研究に固有のチームワークを模倣するために設計されたマルチエージェントシステムである。 VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。 このマルチエージェントアプローチは、新しい科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-12T07:16:22Z)
• IdeaSynth: Iterative Research Idea Development Through Evolving and Composing Idea Facets with Literature-Grounded Feedback [26.860080743555283]
  Idea Synth(イデオロギーシンス)は、文学的なフィードバックを用いて研究問題、ソリューション、評価、コントリビューションを表現する研究アイデア開発システムである。 我々の研究室研究(N)では、Idea Synthを用いて、参加者はより代替的なアイデアを探求し、LLMベースのベースラインと比較してより詳細で初期アイデアを拡張した。 展開調査 (N=7) では, 実世界の研究プロジェクトにおいて, 初期アイデアの展開から, 成熟した原稿のフレーミングの見直しに至るまで, 効果的にIdea Synthを活用できた。
  論文  参考訳（メタデータ） (2024-10-05T04:06:07Z)
• Scideator: Human-LLM Scientific Idea Generation Grounded in Research-Paper Facet Recombination [23.48126633604684]
  Scideatorは、大きな言語モデルに基づいた混合開始型アイデアツールである。 科学論文からファセットをインタラクティブに組み換えることで、アイデアスペースを探索することができる。 また、重複する文献を検索し、アイデアの新規性を評価することで、アイデアの独創性を評価するのにも役立ちます。
  論文  参考訳（メタデータ） (2024-09-23T00:09:34Z)
• Good Idea or Not, Representation of LLM Could Tell [86.36317971482755]
  我々は、大規模言語モデルの知識を活用し、科学的アイデアのメリットを評価することを目的としたアイデアアセスメントに焦点をあてる。 我々は、このタスクに対する様々なアプローチのパフォーマンスを訓練し評価するために、細心の注意を払って設計された、フルテキストを持つ約4万の原稿からベンチマークデータセットをリリースする。 その結果, 大規模言語モデルの表現は, 生成出力よりもアイデアの価値を定量化する可能性が高いことが示唆された。
  論文  参考訳（メタデータ） (2024-09-07T02:07:22Z)
• Can LLMs Generate Novel Research Ideas? A Large-Scale Human Study with 100+ NLP Researchers [90.26363107905344]
  大型言語モデル(LLM)は、科学的な発見を加速する可能性についての楽観主義を喚起した。 LLMシステムは、新しい専門家レベルのアイデアを生み出すための第一歩を踏み出すことができるという評価はない。
  論文  参考訳（メタデータ） (2024-09-06T08:25:03Z)
• ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
  ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。 ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。 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)
• 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)

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。