論文の概要: AutoSpec: An Agentic Framework for Automatically Drafting Patent Specification

• arxiv url: http://arxiv.org/abs/2509.19640v1
• Date: Tue, 23 Sep 2025 23:10:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.634031
• Title: AutoSpec: An Agentic Framework for Automatically Drafting Patent Specification
• Title（参考訳）: AutoSpec: 特許仕様を自動作成するエージェントフレームワーク
• Authors: Ryan Shea, Zhou Yu,
• Abstract要約: 特許は、発明者に対して排他的権利を与えることによって、技術革新を推進する上で重要な役割を担っている。 近年の言語モデルの発展にもかかわらず、いくつかの課題が、堅牢な自動特許草案作成システムの開発を妨げている。 特許仕様を自動的にドラフトするセキュアでエージェント的なフレームワークであるAutoSpecを紹介します。
• 参考スコア（独自算出の注目度）: 15.052472198494371
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Patents play a critical role in driving technological innovation by granting inventors exclusive rights to their inventions. However the process of drafting a patent application is often expensive and time-consuming, making it a prime candidate for automation. Despite recent advancements in language models, several challenges hinder the development of robust automated patent drafting systems. First, the information within a patent application is highly confidential, which often prevents the use of closed-source LLMs for automating this task. Second, the process of drafting a patent application is difficult for even the most advanced language models due to their long context, technical writing style, and specialized domain knowledge. To address these challenges, we introduce AutoSpec, a secure, agentic framework for Automatically drafting patent Specification. Our approach decomposes the drafting process into a sequence of manageable subtasks, each solvable by smaller, open-source language models enhanced with custom tools tailored for drafting patent specification. To assess our system, we design a novel evaluation protocol in collaboration with experienced patent attorneys. Our automatic and expert evaluations show that AutoSpec outperforms existing baselines on a patent drafting task.
• Abstract（参考訳）: 特許は、発明者に対して排他的権利を与えることによって、技術革新を推進する上で重要な役割を担っている。 しかし、特許出願の起草プロセスは高価で時間を要することが多く、自動化の第一候補となる。 近年の言語モデルの発展にもかかわらず、いくつかの課題が、堅牢な自動特許草案作成システムの開発を妨げている。 第一に、特許出願内の情報は極めて機密であり、多くの場合、このタスクを自動化するためにクローズドソース LLM の使用を妨げている。 第二に、特許出願の起草プロセスは、長いコンテキスト、技術的記述スタイル、専門的なドメイン知識のために、最も先進的な言語モデルでさえも困難である。 これらの課題に対処するため、特許仕様の自動起草のためのセキュアでエージェント的なフレームワークであるAutoSpecを紹介します。 提案手法は,特許仕様書作成に適したカスタムツールで拡張された,より小型でオープンソースの言語モデルで解決可能な,管理可能なサブタスクのシーケンスに,ドラフト処理を分解する。 本システムを評価するため,経験豊富な特許弁護士と共同で新たな評価プロトコルを設計する。 我々の自動および専門家評価は、AutoSpecが特許草案作成タスクにおいて既存のベースラインを上回っていることを示している。

関連論文リスト

• 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)
• PatentEdits: Framing Patent Novelty as Textual Entailment [62.8514393375952]
  このデータセットには105万例の修正が成功している。 我々は、文章を文単位でラベル付けするアルゴリズムを設計し、これらの編集がいかに大きな言語モデルで予測できるかを確立する。 引用引用文と起草文の文的含意を評価することは,どの発明的主張が変化しないか,あるいは先行技術に関して新規かを予測するのに特に有効であることを示す。
  論文  参考訳（メタデータ） (2024-11-20T17:23:40Z)
• Pap2Pat: Benchmarking Outline-Guided Long-Text Patent Generation with Patent-Paper Pairs [13.242188189150987]
  PAP2PATは、同じ発明を記述した1.8kの特許と紙のペアからなる特許草案作成のためのオープンベンチマークである。 PAP2PATと人体ケーススタディを用いて評価したところ、LCMは紙からの情報を有効に活用できるが、それでも必要な詳細情報を提供するのに苦労している。
  論文  参考訳（メタデータ） (2024-10-09T15:52:48Z)
• Natural Language Processing in the Patent Domain: A Survey [0.0]
  特許は、重要な技術的および法的情報をテキスト形式および参照図面にカプセル化する。 本稿は,NLP研究者に,この複雑な領域を効率的にナビゲートするために必要な知識を付与することを目的とする。
  論文  参考訳（メタデータ） (2024-03-06T23:17:16Z)
• Defining and executing temporal constraints for evaluating engineering artifact compliance [56.08728135126139]
  プロセスコンプライアンスは、実際のエンジニアリング作業が記述されたエンジニアリングプロセスに可能な限り密接に従うことを保証することに焦点を当てます。 これらのプロセスの制約をチェックすることは、依然として大変な作業であり、多くの手作業を必要とし、プロセスの後半にエンジニアにフィードバックを提供する。 関連するエンジニアリングアーティファクト間の時間的制約を,アーティファクトの変更毎に段階的にチェックする,自動制約チェックアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-20T13:26:31Z)
• Adaptive Taxonomy Learning and Historical Patterns Modelling for Patent Classification [26.85734804493925]
  本稿では,特許分類に関する特許に関する情報を包括的に検討する統合フレームワークを提案する。 まず,その意味表現を導出するためのICC符号相関学習モジュールを提案する。 最後に、IPC符号のセマンティクスを含む特許文書の文脈情報と、予測を行うために利用者のシーケンシャルな選好を割り当てる。
  論文  参考訳（メタデータ） (2023-08-10T07:02:24Z)
• Benchmarking Automated Machine Learning Methods for Price Forecasting Applications [58.720142291102135]
  自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。 CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。 本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
  論文  参考訳（メタデータ） (2023-04-28T10:27:38Z)
• Design Automation for Fast, Lightweight, and Effective Deep Learning Models: A Survey [53.258091735278875]
  本調査では,エッジコンピューティングを対象としたディープラーニングモデルの設計自動化技術について述べる。 これは、有効性、軽量性、計算コストの観点からモデルの習熟度を定量化するために一般的に使用される主要なメトリクスの概要と比較を提供する。 この調査は、ディープモデル設計自動化技術の最先端の3つのカテゴリをカバーしている。
  論文  参考訳（メタデータ） (2022-08-22T12:12:43Z)
• Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
  非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。 NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
  論文  参考訳（メタデータ） (2022-03-06T10:12:56Z)
• Automated Single-Label Patent Classification using Ensemble Classifiers [0.0]
  特許文書の異なる部分で訓練されたアンサンブル分類器の革新的な方法を提案する。 我々の知る限りでは、特許分類問題に対してアンサンブル法が提案されたのはこれが初めてである。
  論文  参考訳（メタデータ） (2022-03-03T08:47:15Z)

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。