論文の概要: Has ACL Lost Its Crown? A Decade-Long Quantitative Analysis of Scale and Impact Across Leading AI Conferences

• arxiv url: http://arxiv.org/abs/2512.04448v1
• Date: Thu, 04 Dec 2025 04:39:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-05 21:11:45.99102
• Title: Has ACL Lost Its Crown? A Decade-Long Quantitative Analysis of Scale and Impact Across Leading AI Conferences
• Title（参考訳）: ACLはクラウンを失ったか?AIカンファレンスの規模とインパクトの10年にわたる定量的分析
• Authors: Jianglin Ma, Ben Yao, Xiang Li, Yazhou Zhang,
• Abstract要約: 私たちは7つの主要なカンファレンスにまたがる10年間の実証的研究を行います。 コンファレンススケール,コア引用統計,インパクト分散,クロスロケーション,ジャーナルの影響を網羅する4次元書誌フレームワークを構築した。 本稿では,受理成長に対する励振成長の弾性を計測する計量量量量弾力性を提案する。
• 参考スコア（独自算出の注目度）: 8.004720323661601
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The recent surge of language models has rapidly expanded NLP research, driving an exponential rise in submissions and acceptances at major conferences. Yet this growth has been shadowed by escalating concerns over conference quality, e.g., plagiarism, reviewer inexperience and collusive bidding. However, existing studies rely largely on qualitative accounts (e.g., expert interviews, social media discussions, etc.), lacking longitudinal empirical evidence. To fill this gap, we conduct a ten year empirical study spanning seven leading conferences. We build a four dimensional bibliometric framework covering conference scale, core citation statistics,impact dispersion, cross venue and journal influence, etc. Notably, we further propose a metric Quality Quantity Elasticity, which measures the elasticity of citation growth relative to acceptance growth. Our findings show that ML venues sustain dominant and stable impact, NLP venues undergo widening stratification with mixed expansion efficiency, and AI venues exhibit structural decline. This study provides the first decade-long, cross-venue empirical evidence on the evolution of major conferences.
• Abstract（参考訳）: 最近の言語モデルの増加により、NLPの研究が急速に拡大し、大規模なカンファレンスへの応募や受諾が急増している。 しかし、この成長は、カンファレンスの品質、例えば、プラジャリズム、レビュアーの未経験、そして共謀的な入札に関する懸念をエスカレートすることで影を落としている。 しかし、既存の研究は質的な説明(専門家インタビュー、ソーシャルメディアの議論など)に大きく依存しており、縦断的な実証的証拠が欠如している。 このギャップを埋めるために、私たちは7つの主要なカンファレンスにまたがる10年間の実証的研究を行います。 コンファレンススケール,コア引用統計,インパクト分散,クロスロケーション,ジャーナルの影響などをカバーする4次元の書誌フレームワークを構築した。 さらに,受理成長に対する励振成長の弾性を計測する計量量量量弾力性についても提案する。 以上の結果から,ML会場は支配的かつ安定的な影響を保ち,NLP施設は拡張効率の混合による成層化を継続し,AI施設は構造的低下を示した。 この研究は、主要なカンファレンスの進化に関する最初の10年にわたる、横断的な実証的な証拠を提供する。

関連論文リスト

• Are AI Capabilities Increasing Exponentially? A Competing Hypothesis [26.116836335203725]
  短期的な地平線においても、このデータは指数的な成長をサポートしていないと論じる。 我々は、AI能力をベースと推論能力に分解するより複雑なモデルを提案する。
  論文  参考訳（メタデータ） (2026-02-04T18:28:49Z)
• Does GenAI Rewrite How We Write? An Empirical Study on Two-Million Preprints [15.070885964897734]
  生成型大規模言語モデル(LLM)は、原稿の書き方を変えることによって、さらなる破壊をもたらす可能性がある。 本稿は、2016年から2025年(115ヶ月)にかけての2100万件以上のプレプリントを4つの主要なリポジトリで大規模に分析することで、このギャップを解消する。 以上の結果から,LSMは提出サイクルと修正サイクルを加速し,言語的複雑性が緩やかに増加し,AI関連トピックが不均等に拡大したことが明らかとなった。
  論文  参考訳（メタデータ） (2025-10-18T01:37:40Z)
• Beyond Memorization: Reasoning-Driven Synthesis as a Mitigation Strategy Against Benchmark Contamination [77.69093448529455]
  本稿では,arXiv論文から直接研究レベルのQAを合成するために,無限にスケーラブルなフレームワークを用いて実証的研究を行う。 各種サイズ,開発者,リリース日といったモデルについて,知識カットオフ日に近い性能劣化の欠如を評価した。 合成パイプラインで要求される多段階の推論は、浅い記憶よりも深い複雑さをもたらしたと仮定する。
  論文  参考訳（メタデータ） (2025-08-26T16:41:37Z)
• Position: The Current AI Conference Model is Unsustainable! Diagnosing the Crisis of Centralized AI Conference [40.15553977578515]
  本稿では, 科学的普及, 株式, 地域福祉の基本的な目標を脅かす構造的危機をデータ駆動で診断する。 1) 著者一人当たりの出版率が過去10年で2倍以上に増加し, 毎年4.5紙以上になる, 2) 環境面では1回の会議の二酸化炭素排出量が1日当たりの排出を上回っている, (3) 心理的には, オンラインコミュニティの71%が否定的な感情を反映し, 35%がメンタルヘルスの懸念を反映している,という4つのストレス領域を同定した。 これに対し、ピアレビュー、プレゼンテーションを分離したCommunity-Federated Conference(CFC)モデルを提案する。
  論文  参考訳（メタデータ） (2025-08-06T16:08:27Z)
• Shifting AI Efficiency From Model-Centric to Data-Centric Compression [67.45087283924732]
  AI研究の焦点は、モデル中心の圧縮からデータ中心の圧縮へとシフトしている、と私たちは主張する。 データ中心圧縮は、モデルトレーニングや推論中に処理されたデータのボリュームを直接圧縮することで、AI効率を向上させる。 我々の研究は、AIの効率性に関する新たな視点を提供し、既存の取り組みを合成し、コンテキスト長の増大によって引き起こされる課題に対処するためにイノベーションを触媒することを目的としています。
  論文  参考訳（メタデータ） (2025-05-25T13:51:17Z)
• Long-term Causal Inference via Modeling Sequential Latent Confounding [79.18609016557]
  長期因果推論は、様々な科学的領域において重要な問題であるが難しい問題である。 本稿では, 条件付き付加的等価バイアス(CAECB)の仮定に基づくアプローチを提案する。 提案した仮定は、時間的短期的な結果にまたがる逐次的共起バイアス間の機能的関係を述べる。
  論文  参考訳（メタデータ） (2025-02-26T09:56:56Z)
• Optimizing Research Portfolio For Semantic Impact [55.2480439325792]
  サイテーション指標は学術的影響を評価するために広く用いられているが、社会的偏見に悩まされている。 本稿では,研究効果を予測する新しいフレームワークであるrXiv Semantic Impact (XSI)を紹介する。 XSIは学術知識グラフにおける研究概念の進化を追跡している。
  論文  参考訳（メタデータ） (2025-02-19T17:44:13Z)
• Causal Claims in Economics [0.0]
  1980年から2023年までの44,000件以上のNBERおよびCEPR作業論文を,知識グラフ構築のためのカスタム言語モデルを用いて分析した。 我々は、1990年の約4%から2020年の約28%まで、因果関係の主張のシェアが大幅に上昇したことを報告している。 因果的物語の複雑さは、上位5誌の出版と上位引用数の両方を強く予測するのに対し、非因果的複雑性はこれらの結果と非相関性または負の相関性を持つ傾向にある。
  論文  参考訳（メタデータ） (2025-01-12T17:03:45Z)
• Discovering and Reasoning of Causality in the Hidden World with Large Language Models [109.62442253177376]
  我々はCausal representatiOn AssistanT(COAT)と呼ばれる新しいフレームワークを開発し、因果発見に有用な測定変数を提案する。 大規模言語モデル (LLM) と因果関係を直接推論する代わりに、COAT は中間因果発見結果から LLM へのフィードバックを構築し、提案した変数を洗練させる。
  論文  参考訳（メタデータ） (2024-02-06T12:18:54Z)
• Position: AI/ML Influencers Have a Place in the Academic Process [82.2069685579588]
  機械学習研究の可視性向上におけるソーシャルメディアインフルエンサーの役割について検討する。 2018年12月から2023年10月までの間に、8000以上の論文の包括的なデータセットを収集しました。 我々の統計的および因果推論分析は、これらのインフルエンサーが支持する論文の引用が著しく増加することを示している。
  論文  参考訳（メタデータ） (2024-01-24T20:05:49Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Variational Causal Networks: Approximate Bayesian Inference over Causal Structures [132.74509389517203]
  離散DAG空間上の自己回帰分布をモデル化したパラメトリック変分族を導入する。 実験では,提案した変分後部が真の後部を良好に近似できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T17:52:49Z)
• Does the Venue of Scientific Conferences Leverage their Impact? A Large Scale study on Computer Science Conferences [2.8388425545775386]
  我々は,3,838件のコンピュータサイエンスコンファレンスから抽出したデータと,30年以上にわたる研究を対象とする250万件以上の論文を大規模に分析した。 会場の「真実性」を定量化するために、我々は、会場を主催する都市のウィキペディアページのサイズや、世界経済フォーラム(World Economic Forum)のレポートからの他の指標など、いくつかの指標を利用した。 さらに、観光サービスインフラ指数とのほぼ直線的な相関は、特定の国における観光・宿泊施設の重要性を証明している。
  論文  参考訳（メタデータ） (2021-05-31T09:51:39Z)

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。