論文の概要: Agent Ideate: A Framework for Product Idea Generation from Patents Using Agentic AI

• arxiv url: http://arxiv.org/abs/2507.01717v1
• Date: Wed, 02 Jul 2025 13:47:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:23:00.269481
• Title: Agent Ideate: A Framework for Product Idea Generation from Patents Using Agentic AI
• Title（参考訳）: Agent Ideate: エージェントAIを用いた特許から製品アイデアを生成するフレームワーク
• Authors: Gopichand Kanumolu, Ashok Urlana, Charaka Vinayak Kumar, Bala Mallikarjunarao Garlapati,
• Abstract要約: この研究は、ある特許から製品コンセプトをマイニングし、生成するために、LLM(Large Language Models)と自律エージェントの使用を探求する。 本研究では,特許から製品ベースのビジネスアイデアを自動的に生成するフレームワークであるAgens Ideateを設計する。
• 参考スコア（独自算出の注目度）: 1.0194469147760787
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Patents contain rich technical knowledge that can inspire innovative product ideas, yet accessing and interpreting this information remains a challenge. This work explores the use of Large Language Models (LLMs) and autonomous agents to mine and generate product concepts from a given patent. In this work, we design Agent Ideate, a framework for automatically generating product-based business ideas from patents. We experimented with open-source LLMs and agent-based architectures across three domains: Computer Science, Natural Language Processing, and Material Chemistry. Evaluation results show that the agentic approach consistently outperformed standalone LLMs in terms of idea quality, relevance, and novelty. These findings suggest that combining LLMs with agentic workflows can significantly enhance the innovation pipeline by unlocking the untapped potential of business idea generation from patent data.
• Abstract（参考訳）: 特許には革新的な製品アイデアを刺激する豊富な技術知識が含まれているが、この情報にアクセスし解釈することは依然として困難である。 この研究は、ある特許から製品コンセプトをマイニングし、生成するために、LLM(Large Language Models)と自律エージェントの使用を探求する。 本研究では,特許から製品ベースのビジネスアイデアを自動的に生成するフレームワークであるAgens Ideateを設計する。 我々は,計算機科学,自然言語処理,物質化学の3分野にわたる,オープンソースのLLMとエージェントベースのアーキテクチャを実験した。 その結果, エージェント的アプローチは, アイデアの品質, 妥当性, 新規性という点で, スタンドアローンLCMよりも一貫して優れていた。 これらの結果から,LLMとエージェントワークフローを組み合わせることで,特許データから未解決のアイデア生成の可能性を解き放つことで,イノベーションパイプラインを著しく向上させることができることが示唆された。

関連論文リスト

• Creation-MMBench: Assessing Context-Aware Creative Intelligence in MLLM [58.42678619252968]
  Creation-MMBenchはマルチモーダル大言語モデルの創造性を評価するために設計されたベンチマークである。 ベンチマークは、51のきめ細かいタスクにまたがる765のテストケースで構成されている。 実験結果から,オープンソースのMLLMは,クリエイティブタスクにおけるプロプライエタリなモデルに比べて著しく性能が劣っていることが明らかとなった。
  論文  参考訳（メタデータ） (2025-03-18T17:51:34Z)
• EvoPat: A Multi-LLM-based Patents Summarization and Analysis Agent [0.0]
  EvoPatはマルチLLMベースの特許エージェントで、ユーザーが検索生成(RAG)と高度な検索戦略を通じて特許を分析するのを支援する。 特許要約,比較分析,技術評価などのタスクにおいて,EvoPatがGPT-4より優れていることを示す。
  論文  参考訳（メタデータ） (2024-12-24T02:21:09Z)
• AutoPatent: A Multi-Agent Framework for Automatic Patent Generation [16.862811929856313]
  我々はDraft2Patentと呼ばれる新しい実用的なタスクとそれに対応するD2Pベンチマークを導入し、初期ドラフトに基づいて17Kトークンを平均化する完全長の特許を生成するためにLarge Language Modelsに挑戦する。 提案するマルチエージェントフレームワークであるAutoPatentは,LPMベースのプランナーエージェント,ライターエージェント,検査エージェントをPGTreeとRRAGで組み合わせて,長文かつ複雑かつ高品質な特許文書を生成する。
  論文  参考訳（メタデータ） (2024-12-13T02:27:34Z)
• Large Language Model for Patent Concept Generation [2.4368308736427697]
  既存の大規模言語モデル(LLM)は、専門知識の欠如により、革新的な概念生成に不足することが多い。 我々は、LLMベースのAIを自律的にマイニングし、理解し、適用するための新しい知識微調整(KFT)フレームワークを提案する。 本稿では,知識注入事前学習(KPT),ドメイン固有教師付き微調整(SFT),人的フィードバックからの強化学習を統合した。
  論文  参考訳（メタデータ） (2024-08-26T12:00:29Z)
• LEARN: Knowledge Adaptation from Large Language Model to Recommendation for Practical Industrial Application [54.984348122105516]
  Llm-driven knowlEdge Adaptive RecommeNdation (LEARN)フレームワークは、オープンワールドの知識と協調的な知識をシナジする。 オープンワールドの知識と協調的な知識を相乗化するLlm-driven knowlEdge Adaptive RecommeNdation (LEARN) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-07T04:00:30Z)
• AgentLite: A Lightweight Library for Building and Advancing Task-Oriented LLM Agent System [91.41155892086252]
  LLMエージェントの研究を簡略化する新しいAIエージェントライブラリであるAgentLiteをオープンソースとして公開する。 AgentLiteは、タスクを分解するエージェントの機能を強化するために設計されたタスク指向フレームワークである。 我々は,その利便性と柔軟性を示すために,AgentLiteで開発された実用アプリケーションを紹介した。
  論文  参考訳（メタデータ） (2024-02-23T06:25:20Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)

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。