論文の概要: ARISE: Agentic Rubric-Guided Iterative Survey Engine for Automated Scholarly Paper Generation

• arxiv url: http://arxiv.org/abs/2511.17689v1
• Date: Fri, 21 Nov 2025 14:14:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.366662
• Title: ARISE: Agentic Rubric-Guided Iterative Survey Engine for Automated Scholarly Paper Generation
• Title（参考訳）: ARISE:自動学習用ゴムガイド式反復サーベイエンジン
• Authors: Zi Wang, Xingqiao Wang, Sangah Lee, Xiaowei Xu,
• Abstract要約: ARISEは、学術調査論文の自動生成と継続的改善のためのエージェント誘導反復調査エンジンである。 ARISEは、特定の大規模言語モデルエージェントで構成されたモジュラーアーキテクチャを採用し、それぞれがトピック拡張、引用キュレーション、文学要約、原稿の草稿作成、ピアレビューに基づく評価などの学術的な役割を反映している。 ARISEは、包括性、正確性、フォーマッティング、総合的な学術的厳密さの指標にまたがる基準的手法を一貫して超越している。
• 参考スコア（独自算出の注目度）: 7.437989615069771
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid expansion of scholarly literature presents significant challenges in synthesizing comprehensive, high-quality academic surveys. Recent advancements in agentic systems offer considerable promise for automating tasks that traditionally require human expertise, including literature review, synthesis, and iterative refinement. However, existing automated survey-generation solutions often suffer from inadequate quality control, poor formatting, and limited adaptability to iterative feedback, which are core elements intrinsic to scholarly writing. To address these limitations, we introduce ARISE, an Agentic Rubric-guided Iterative Survey Engine designed for automated generation and continuous refinement of academic survey papers. ARISE employs a modular architecture composed of specialized large language model agents, each mirroring distinct scholarly roles such as topic expansion, citation curation, literature summarization, manuscript drafting, and peer-review-based evaluation. Central to ARISE is a rubric-guided iterative refinement loop in which multiple reviewer agents independently assess manuscript drafts using a structured, behaviorally anchored rubric, systematically enhancing the content through synthesized feedback. Evaluating ARISE against state-of-the-art automated systems and recent human-written surveys, our experimental results demonstrate superior performance, achieving an average rubric-aligned quality score of 92.48. ARISE consistently surpasses baseline methods across metrics of comprehensiveness, accuracy, formatting, and overall scholarly rigor. All code, evaluation rubrics, and generated outputs are provided openly at https://github.com/ziwang11112/ARISE
• Abstract（参考訳）: 学術文献の急速な拡大は、包括的で高品質な学術調査を合成する上で重要な課題を示している。 近年のエージェントシステムの進歩は、文献のレビュー、合成、反復的な洗練など、伝統的に人間の専門知識を必要とするタスクを自動化するためのかなりの約束を提供する。 しかし、既存の自動サーベイジェネレーションソリューションは、不適切な品質管理、粗末なフォーマッティング、反復的なフィードバックへの適応性に悩まされがちである。 これらの制約に対処するため,ARISEは学術調査論文の自動生成と継続的改善を目的としたエージェント・ルーブリック誘導反復調査エンジンである。 ARISEは、特定の大規模言語モデルエージェントで構成されたモジュラーアーキテクチャを採用し、それぞれがトピック拡張、引用キュレーション、文学要約、原稿の草稿作成、ピアレビューに基づく評価などの学術的な役割を反映している。 ARISE の中心は、複数のレビュアーエージェントが、構造化された、行動に固定されたルーリックを用いて原稿を独立に評価し、合成されたフィードバックを通じてコンテンツを体系的に強化するルーリック誘導反復改良ループである。 現状の自動化システムに対するARISEの評価と近年の人手による調査の結果,実験結果より優れた性能を示し,平均的なルーリック整合性スコア92.48を達成できた。 ARISEは、包括性、正確性、フォーマッティング、総合的な学術的厳密さの指標にまたがる基準的手法を一貫して超越している。 all code, evaluation rubrics, generated outputs are openly at https://github.com/ziwang11112/ARISE

関連論文リスト

• AutoSurvey2: Empowering Researchers with Next Level Automated Literature Surveys [10.50820843303237]
  本稿では,多段パイプラインであるautosurvey2を提案する。 このシステムは並列セクションの生成、反復的洗練、最近の出版物のリアルタイム検索を統合し、トピックの完全性と事実の正確性を保証する。 実験の結果、Autosurvey2は既存の検索ベースと自動ベースラインを一貫して上回っていることがわかった。
  論文  参考訳（メタデータ） (2025-10-29T22:57:03Z)
• LiRA: A Multi-Agent Framework for Reliable and Readable Literature Review Generation [66.09346158850308]
  文献レビュープロセスをエミュレートする多エージェント協調ワークフローLiRA(Literature Review Agents)を提案する。 LiRAは、コンテンツアウトライン、サブセクションの執筆、編集、レビュー、コヒーシブで包括的なレビュー記事の作成に特殊エージェントを使用している。 実世界のシナリオにおいて文書検索を用いてLiRAを評価し,そのロバスト性を評価する。
  論文  参考訳（メタデータ） (2025-10-01T12:14:28Z)
• Learning to Summarize by Learning to Quiz: Adversarial Agentic Collaboration for Long Document Summarization [86.98098988779809]
  SummQは長期文書要約のための新しい逆多重エージェントフレームワークである。 提案手法では,包括的な要約を作成し,評価するために協調作業を行う要約ジェネレータとレビュアーを用いる。 広範に使用されている3つの文書要約ベンチマーク上でSummQを評価する。
  論文  参考訳（メタデータ） (2025-09-25T08:36:19Z)
• SurGE: A Benchmark and Evaluation Framework for Scientific Survey Generation [37.921524136479825]
  SurGE(Survey Generation Evaluation)は、コンピュータ科学における科学的サーベイ生成の新しいベンチマークである。 SurGEは,(1)トピック記述,専門家による調査,(2)100万以上の論文からなる大規模学術コーパスを含む,一連のテストインスタンスから構成される。 さらに,4次元にわたって生成した調査の質を計測する自動評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-21T15:45:10Z)
• AutoRev: Multi-Modal Graph Retrieval for Automated Peer-Review Generation [5.72767946092813]
  AutoRevは自動ピアレビューシステムで、レビュアーと著者の両方に実用的な高品質のフィードバックを提供するように設計されている。 ドキュメントをグラフとしてモデル化することで、AutoRevは、最も関連する情報を効果的に取得する。 AutoRevはピアレビューワークフローを合理化し、課題を緩和し、スケーラブルで高品質な学術出版を可能にする強力なツールだと考えています。
  論文  参考訳（メタデータ） (2025-05-20T13:59:58Z)
• ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
  ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。 ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。 我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-11T13:36:29Z)
• System for systematic literature review using multiple AI agents: Concept and an empirical evaluation [3.453564255183234]
  体系的文献レビュー(SLR)は証拠に基づく研究の基礎である。 本稿では,SLRの完全自動化を目的とした新しいマルチAIエージェントシステムを提案する。 包括性と精度を維持しつつ,従来のSLRに必要な時間と労力を大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2024-03-13T10:27:52Z)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
  本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。 我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。 最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• PROXYQA: An Alternative Framework for Evaluating Long-Form Text Generation with Large Language Models [72.57329554067195]
  ProxyQAは、長文生成を評価するための革新的なフレームワークである。 さまざまなドメインにまたがる詳細なヒューマンキュレートされたメタクエストで構成されており、それぞれに事前にアノテートされた回答を持つ特定のプロキシクエストが伴っている。 プロキシクエリに対処する際の評価器の精度を通じて、生成されたコンテンツの品質を評価する。
  論文  参考訳（メタデータ） (2024-01-26T18:12:25Z)

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。