論文の概要: Paper2Rebuttal: A Multi-Agent Framework for Transparent Author Response Assistance

• arxiv url: http://arxiv.org/abs/2601.14171v1
• Date: Tue, 20 Jan 2026 17:23:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.428163
• Title: Paper2Rebuttal: A Multi-Agent Framework for Transparent Author Response Assistance
• Title（参考訳）: Paper2Rebuttal: 透過的な著者応答支援のためのマルチエージェントフレームワーク
• Authors: Qianli Ma, Chang Guo, Zhiheng Tian, Siyu Wang, Jipeng Xiao, Yuanhao Yue, Zhipeng Zhang,
• Abstract要約: $textbfRebuttalAgent$は、エビデンス中心の計画タスクとしてrebuttal生成を再設計する、新しいマルチエージェントフレームワークである。 本システムでは,複雑なフィードバックをアトミックな関心事に分解し,ハイブリッドコンテキストを動的に構築する。 ドラフト前にインスペクタブルなレスポンスプランを生成することで、$textbfRebuttalAgent$は、すべての引数が内部または外部のエビデンスに明示的に固定されていることを保証します。
• 参考スコア（独自算出の注目度）: 23.470768802111007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Writing effective rebuttals is a high-stakes task that demands more than linguistic fluency, as it requires precise alignment between reviewer intent and manuscript details. Current solutions typically treat this as a direct-to-text generation problem, suffering from hallucination, overlooked critiques, and a lack of verifiable grounding. To address these limitations, we introduce $\textbf{RebuttalAgent}$, the first multi-agents framework that reframes rebuttal generation as an evidence-centric planning task. Our system decomposes complex feedback into atomic concerns and dynamically constructs hybrid contexts by synthesizing compressed summaries with high-fidelity text while integrating an autonomous and on-demand external search module to resolve concerns requiring outside literature. By generating an inspectable response plan before drafting, $\textbf{RebuttalAgent}$ ensures that every argument is explicitly anchored in internal or external evidence. We validate our approach on the proposed $\textbf{RebuttalBench}$ and demonstrate that our pipeline outperforms strong baselines in coverage, faithfulness, and strategic coherence, offering a transparent and controllable assistant for the peer review process. Code will be released.
• Abstract（参考訳）: 効果的なリビュータルを書くことは、レビュアーの意図と原稿の細部を正確に整合させる必要があるため、言語的な流布以上のことを要求するハイテイクなタスクである。 現在のソリューションでは、これを直接テキスト生成の問題として扱い、幻覚、見過ごされた批判、検証可能な根拠の欠如に悩まされている。 これらの制限に対処するため、証拠中心の計画タスクとしてrebuttal生成を再編成する最初のマルチエージェントフレームワークである$\textbf{RebuttalAgent}$を紹介します。 本システムでは、複雑なフィードバックをアトミックな関心事に分解し、圧縮要約を高忠実なテキストで合成し、外部文献を必要とする懸念を解決するために、自律的でオンデマンドな外部探索モジュールを統合することで、動的にハイブリッドなコンテキストを構築する。 ドラフト前に検査可能なレスポンスプランを生成することで、$\textbf{RebuttalAgent}$は、すべての引数が内部または外部のエビデンスに明示的に固定されていることを保証します。 提案した$\textbf{RebuttalBench}$に対する我々のアプローチを検証するとともに、パイプラインがカバレッジ、忠実性、戦略的一貫性において強力なベースラインを上回り、ピアレビュープロセスのための透過的で制御可能なアシスタントを提供することを示す。 コードはリリースされる。

関連論文リスト

• DeepSynth-Eval: Objectively Evaluating Information Consolidation in Deep Survey Writing [53.85037373860246]
  本稿では,情報統合能力を客観的に評価するためのベンチマークであるDeep Synth-Evalを紹介する。 一般チェックリスト(実例)と制約チェックリスト(構造体)を用いたきめ細かい評価プロトコルを提案する。 その結果,エージェント型プラン・アンド・ライトは単ターン生成よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2026-01-07T03:07:52Z)
• InfiAgent: An Infinite-Horizon Framework for General-Purpose Autonomous Agents [36.740230738304525]
  InfiAgentは、タスクの持続時間に関係なく、エージェントの推論コンテキストを厳密に拘束する。 20Bのオープンソースモデルを持つInfiAgentは、より大きなプロプライエタリなシステムと競合する。
  論文  参考訳（メタデータ） (2026-01-06T17:35:57Z)
• HalluGraph: Auditable Hallucination Detection for Legal RAG Systems via Knowledge Graph Alignment [0.0]
  本稿では,コンテキスト,クエリ,応答から抽出した知識グラフ間の構造的アライメントを通じて幻覚を定量化するグラフ理論フレームワークであるHaluGraphを紹介する。 提案手法は,文中のエンティティが元文書に現れるかどうかを計測し,コンテキストによってアサートされた関係がサポートされていることを検証した,有界で解釈可能なメトリクスをtextitEntity Grounding (EG) に生成する。
  論文  参考訳（メタデータ） (2025-12-01T13:31:06Z)
• Connecting the Dots: Training-Free Visual Grounding via Agentic Reasoning [63.109585527799005]
  GroundingAgentは、タスク固有の微調整なしで動作するビジュアルグラウンドティングフレームワークである。 広く使用されているベンチマークでは、平均ゼロショットグラウンドの精度は65.1%である。 また、強い解釈可能性を提供し、各推論ステップを透過的に照らす。
  論文  参考訳（メタデータ） (2025-11-24T03:11:08Z)
• WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research [73.58638285105971]
  本稿では,AIエージェントが膨大なWebスケール情報を洞察に富むレポートに合成しなければならない複雑な課題であるtextbfopen-ended Deep Research (OEDR) に取り組む。 人間の研究プロセスをエミュレートする新しいデュアルエージェントフレームワークである textbfWebWeaver を紹介する。 私たちのフレームワークは、DeepResearch Bench、DeepConsult、DeepResearchGymなど、主要なOEDRベンチマークにまたがる最先端の新たなベンチマークを確立しています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:21Z)

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。