論文の概要: Towards Automated Quality Assurance of Patent Specifications: A Multi-Dimensional LLM Framework

• arxiv url: http://arxiv.org/abs/2510.25402v2
• Date: Thu, 30 Oct 2025 02:45:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-31 11:34:55.341498
• Title: Towards Automated Quality Assurance of Patent Specifications: A Multi-Dimensional LLM Framework
• Title（参考訳）: 特許仕様の自動品質保証に向けて:多次元LCMフレームワーク
• Authors: Yuqian Chai, Chaochao Wang, Weilei Wang,
• Abstract要約: AI草案作成ツールは特許作成において注目されているが、AIが生成する特許内容の品質の体系的評価は、重要な研究ギャップを示している。 本稿では,規制コンプライアンス,技術的コヒーレンス,図形参照整合性検出モジュールを用いた特許評価を提案する。 このフレームワークは、2つの特許草案作成ツールから80人の人間が認可し、80人のAIが生成する特許からなる包括的なデータセットで検証されている。
• 参考スコア（独自算出の注目度）: 0.5534764384104999
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although AI drafting tools have gained prominence in patent writing, the systematic evaluation of AI-generated patent content quality represents a significant research gap. To address this gap, We propose to evaluate patents using regulatory compliance, technical coherence, and figure-reference consistency detection modules, and then generate improvement suggestions via an integration module. The framework is validated on a comprehensive dataset comprising 80 human-authored and 80 AI-generated patents from two patent drafting tools. Evaluation is performed on 10,841 total sentences, 8,924 non-template sentences, and 554 patent figures for the three detection modules respectively, achieving balanced accuracies of 99.74%, 82.12%, and 91.2% against expert annotations. Additional analysis was conducted to examine defect distributions across patent sections, technical domains, and authoring sources. Section-based analysis indicates that figure-text consistency and technical detail precision require particular attention. Mechanical Engineering and Construction show more claim-specification inconsistencies due to complex technical documentation requirements. AI-generated patents show a significant gap compared to human-authored ones. While human-authored patents primarily contain surface-level errors like typos, AI-generated patents exhibit more structural defects in figure-text alignment and cross-references.
• Abstract（参考訳）: AI草案作成ツールは特許作成において注目されているが、AIが生成する特許内容の品質の体系的評価は、重要な研究ギャップを示している。 このギャップに対処するため、規制コンプライアンス、技術的一貫性、図形参照整合性検出モジュールを用いて特許の評価を行い、統合モジュールを介して改善提案を生成することを提案する。 このフレームワークは、2つの特許草案作成ツールから80人の人間が認可し、80人のAIが生成する特許からなる包括的なデータセットで検証されている。 10,841文、8,924文、および3つの検出モジュールに対する554の特許データに基づいて評価が行われ、専門家のアノテーションに対して99.74%、82.12%、91.2%のバランスの取れた精度を達成した。 特許セクション,技術ドメイン,オーサリングソース間の欠陥分布のさらなる解析を行った。 セクションベースの分析は、図形テキストの一貫性と技術的詳細精度が特に注意を要することを示している。 メカニカルエンジニアリングとコンストラクションは、複雑な技術ドキュメントの要求により、クレーム固有の不整合を示す。 AIが生成する特許は、人間による特許に比べて大きなギャップがある。 人間による特許は、主にタイプミスのような表面レベルのエラーを含むが、AIが生成する特許は、図形テキストのアライメントと相互参照において、より構造的な欠陥を示す。

関連論文リスト

• PANORAMA: A Dataset and Benchmarks Capturing Decision Trails and Rationales in Patent Examination [44.74519851862391]
  PANORAMAは米国特許試験記録8,143件のデータセットである。 我々は,特許専門家の特許審査プロセスをエミュレートする逐次ベンチマークにパスを分解する。 我々は、LLMを含むNLPを特許領域で前進させるには、現実世界の特許審査をより深く理解する必要があると論じる。
  論文  参考訳（メタデータ） (2025-10-25T03:24:13Z)
• PatentMind: A Multi-Aspect Reasoning Graph for Patent Similarity Evaluation [35.13558856456741]
  特許類似性評価は知的財産分析において重要な役割を果たす。 マルチアスペクト推論グラフ(MARG)に基づく特許類似性評価のための新しいフレームワークであるPatentMindを紹介する。 私たちのフレームワークは、現実世界の意思決定のための構造化され、セマンティックな基盤を提供します。
  論文  参考訳（メタデータ） (2025-05-25T22:28:27Z)
• Towards Better Evaluation for Generated Patent Claims [0.0]
  我々は特許請求を評価するための最初の総合的なベンチマークであるPatent-CEを紹介する。 また,特許請求に特化して設計された多次元評価手法であるPatClaimEvalを提案する。 本研究は,自動特許クレーム生成システムのより正確な評価の基礎となる。
  論文  参考訳（メタデータ） (2025-05-16T10:27:16Z)
• 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)
• Towards Automated Patent Workflows: AI-Orchestrated Multi-Agent Framework for Intellectual Property Management and Analysis [0.0]
  PatExpertは、特許関連のタスクを合理化し最適化するために設計された、自律的なマルチエージェント会話フレームワークである。 このフレームワークは、さまざまな特許関連のタスクに対してタスク固有の専門家エージェントをコーディネートするメタエージェントと、エラーハンドリングとフィードバックプロビジョニングのための批判エージェントで構成されている。
  論文  参考訳（メタデータ） (2024-09-21T13:44:34Z)
• Unveiling Black-boxes: Explainable Deep Learning Models for Patent Classification [48.5140223214582]
  深部不透明ニューラルネットワーク(DNN)を利用した多ラベル特許分類のための最先端手法 レイヤワイド関連伝搬(Layer-wise Relevance propagation, LRP)を導入し, 特許の詳細な分類手法を提案する。 関連性スコアを考慮し、予測された特許クラスに関連する単語を視覚化して説明を生成する。
  論文  参考訳（メタデータ） (2023-10-31T14:11:37Z)
• 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)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)

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。