論文の概要: What Are Research Hypotheses?

• arxiv url: http://arxiv.org/abs/2509.00185v1
• Date: Fri, 29 Aug 2025 18:37:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.117009
• Title: What Are Research Hypotheses?
• Title（参考訳）: 研究の仮説とは何か?
• Authors: Jian Wu, Sarah Rajtmajer,
• Abstract要約: 我々は、様々な自然言語理解タスクにおけるエンフェーセシスという用語の解釈が、自然科学、社会科学、フォーマル科学の伝統的な定義から移ってきたと論じる。 我々は、特に機械解釈可能な学術記録に向けて進む際に、よく構造化され、明確に定義された仮説の重要性を強調した。
• 参考スコア（独自算出の注目度）: 7.409934952693917
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Over the past decades, alongside advancements in natural language processing, significant attention has been paid to training models to automatically extract, understand, test, and generate hypotheses in open and scientific domains. However, interpretations of the term \emph{hypothesis} for various natural language understanding (NLU) tasks have migrated from traditional definitions in the natural, social, and formal sciences. Even within NLU, we observe differences defining hypotheses across literature. In this paper, we overview and delineate various definitions of hypothesis. Especially, we discern the nuances of definitions across recently published NLU tasks. We highlight the importance of well-structured and well-defined hypotheses, particularly as we move toward a machine-interpretable scholarly record.
• Abstract（参考訳）: 過去数十年間、自然言語処理の進歩とともに、オープンで科学的な領域における仮説を自動的に抽出し、理解し、テストし、生成するための訓練モデルに重要な注目を集めてきた。 しかしながら、様々な自然言語理解(NLU)タスクに対する「emph{hypothesis}」という用語の解釈は、自然科学、社会科学、フォーマル科学の伝統的な定義から移行してきた。 NLU内でさえ、文献間での仮説定義の相違を観察する。 本稿では,仮説の様々な定義を概説し,概説する。 特に、最近発表されたNLUタスク間で定義のニュアンスを識別する。 我々は、特に機械解釈可能な学術記録に向けて進む際に、よく構造化され、明確に定義された仮説の重要性を強調した。

関連論文リスト

• Large Language Models for Automated Open-domain Scientific Hypotheses Discovery [50.40483334131271]
  本研究は,社会科学の学術的仮説発見のための最初のデータセットを提案する。 従来のデータセットとは異なり、新しいデータセットには、(1)オープンドメインデータ(RAW Webコーパス)を観察として使用すること、(2)人間性にさらに新しい仮説を提案することが必要である。 パフォーマンス向上のための3つのフィードバック機構を含む,タスクのためのマルチモジュールフレームワークが開発されている。
  論文  参考訳（メタデータ） (2023-09-06T05:19:41Z)
• 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。