論文の概要: AEGIS: An Agent for Extraction and Geographic Identification in Scholarly Proceedings

• arxiv url: http://arxiv.org/abs/2509.09470v1
• Date: Thu, 11 Sep 2025 13:52:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.410682
• Title: AEGIS: An Agent for Extraction and Geographic Identification in Scholarly Proceedings
• Title（参考訳）: AEGIS:Scholarly Proceedsにおける抽出と地理的同定のためのエージェント
• Authors: Om Vishesh, Harshad Khadilkar, Deepak Akkil,
• Abstract要約: 我々のパイプラインは、特別のAIエージェントである"Agent-E"が、会議の手続きの中で特定の地域から論文を識別する方法を実証している。 我々は5つの異なる会議から586件の論文を検証し、100%のリコールとほぼ完全な99.4%の精度で全ての論文を識別した。
• 参考スコア（独自算出の注目度）: 1.1342625695057282
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Keeping pace with the rapid growth of academia literature presents a significant challenge for researchers, funding bodies, and academic societies. To address the time-consuming manual effort required for scholarly discovery, we present a novel, fully automated system that transitions from data discovery to direct action. Our pipeline demonstrates how a specialized AI agent, 'Agent-E', can be tasked with identifying papers from specific geographic regions within conference proceedings and then executing a Robotic Process Automation (RPA) to complete a predefined action, such as submitting a nomination form. We validated our system on 586 papers from five different conferences, where it successfully identified every target paper with a recall of 100% and a near perfect accuracy of 99.4%. This demonstration highlights the potential of task-oriented AI agents to not only filter information but also to actively participate in and accelerate the workflows of the academic community.
• Abstract（参考訳）: 学術文献の急速な成長に伴うペース維持は、研究者、資金提供団体、学術社会にとって重要な課題である。 学術的な発見に必要な時間を要する手作業に対処するため,データ発見から直接行動へ移行する,新しい完全自動化システムを提案する。 我々のパイプラインは、特別のAIエージェントである"Agent-E"が、会議の手続きの中で特定の地域から論文を識別し、ロボットプロセス自動化(RPA)を実行して、指名フォームを提出するなど、事前に定義されたアクションを完了させる方法について実証している。 我々は5つの異なる会議から586件の論文を検証し、100%のリコールとほぼ完全な99.4%の精度で全ての論文を識別した。 このデモンストレーションは、情報フィルタリングだけでなく、学術コミュニティのワークフローに積極的に参加し、加速するタスク指向AIエージェントの可能性を強調している。

関連論文リスト

• AI Research Agents for Machine Learning: Search, Exploration, and Generalization in MLE-bench [65.21702462691933]
  我々は、AI研究エージェントを候補ソリューションの空間をナビゲートする検索ポリシーとして形式化し、演算子を使ってそれらを反復的に修正する。 我々の最良の探索戦略と演算子の組み合わせは、MLEベンチライトの最先端の成果を達成し、カグルメダルを39.6%から47.7%に引き上げることに成功した。
  論文  参考訳（メタデータ） (2025-07-03T11:59:15Z)
• FieldWorkArena: Agentic AI Benchmark for Real Field Work Tasks [52.47895046206854]
  FieldWorkArenaは、現実世界のフィールドワークをターゲットにしたエージェントAIのベンチマークである。 本稿では、エージェントAIが現実世界の作業環境ベンチマークのために持つべき新しいアクション空間を定義する。
  論文  参考訳（メタデータ） (2025-05-26T08:21:46Z)
• CycleResearcher: Improving Automated Research via Automated Review [37.03497673861402]
  本稿では,オープンソースの後学習型大規模言語モデル(LLM)を,自動研究とレビューの全サイクルを遂行する自律エージェントとして活用する可能性について検討する。 これらのモデルをトレーニングするために、現実の機械学習研究とピアレビューダイナミクスを反映した2つの新しいデータセットを開発した。 その結果,CycleReviewerは平均絶対誤差(MAE)を26.89%削減して有望な性能を達成できた。
  論文  参考訳（メタデータ） (2024-10-28T08:10:21Z)
• O1 Replication Journey: A Strategic Progress Report -- Part 1 [52.062216849476776]
  本稿では,O1 Replication Journeyに具体化された人工知能研究の先駆的アプローチを紹介する。 我々の方法論は、長期化したチームベースのプロジェクトの不規則性を含む、現代のAI研究における重要な課題に対処する。 本稿では,モデルにショートカットだけでなく,完全な探索プロセスの学習を促す旅行学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2024-10-08T15:13:01Z)
• ScienceAgentBench: Toward Rigorous Assessment of Language Agents for Data-Driven Scientific Discovery [23.773528748933934]
  我々は、データ駆動科学発見のための言語エージェントを評価するための新しいベンチマークであるScienceAgentBenchを紹介する。 44の査読論文から4つの分野の102の課題を抽出し,9つの課題の専門家による検証を行った。 ScienceAgentBenchを使って、オープンウェイトでプロプライエタリなLLMを5つ評価し、それぞれにダイレクトプロンプト、OpenHands CodeAct、セルフAIの3つのフレームワークを持つ。
  論文  参考訳（メタデータ） (2024-10-07T14:33:50Z)
• Artificial intelligence to automate the systematic review of scientific literature [0.0]
  我々は過去15年間に提案されたAI技術について,研究者が科学的文献の体系的な分析を行うのを助けるために調査を行った。 現在サポートされているタスク、適用されるアルゴリズムの種類、34の初等研究で提案されているツールについて説明する。
  論文  参考訳（メタデータ） (2024-01-13T19:12:49Z)
• ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
  LLM(Large Language Models)は、人間のような知性を持つ言語である。 本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。 そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
  論文  参考訳（メタデータ） (2023-11-02T14:32:16Z)
• A curated, ontology-based, large-scale knowledge graph of artificial intelligence tasks and benchmarks [4.04540578484476]
  インテリジェンスタスクオントロジーと知識グラフ(ITO)は、人工知能タスク、ベンチマーク結果、パフォーマンスメトリクスに関する包括的なリソースである。 ITOは、人工知能タスク、ベンチマーク結果、パフォーマンスメトリクスに関する、豊富な構造化と手作業によるリソースである。 ITOの目標は、AIタスクと能力のグローバルな状況に関する、正確でネットワークベースの分析を可能にすることだ。
  論文  参考訳（メタデータ） (2021-10-04T13:25:53Z)

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。