論文の概要: What Papers Don't Tell You: Recovering Tacit Knowledge for Automated Paper Reproduction

• arxiv url: http://arxiv.org/abs/2603.01801v1
• Date: Mon, 02 Mar 2026 12:33:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.86893
• Title: What Papers Don't Tell You: Recovering Tacit Knowledge for Automated Paper Reproduction
• Title（参考訳）: 紙が教えてくれないもの - 自動紙再生のための暗黙の知識の回収
• Authors: Lehui Li, Ruining Wang, Haochen Song, Yaoxin Mao, Tong Zhang, Yuyao Wang, Jiayi Fan, Yitong Zhang, Jieping Ye, Chengqi Zhang, Yongshun Gong,
• Abstract要約: Methodは、学術論文から実行可能なコードを生成するグラフベースのエージェントフレームワークである。 3つのドメイン、10のタスク、10の最近の論文にまたがる拡張ReproduceBenchでは、公式実装に対する平均的なパフォーマンスギャップが10.04%に達する。
• 参考スコア（独自算出の注目度）: 57.86097956633207
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated paper reproduction -- generating executable code from academic papers -- is bottlenecked not by information retrieval but by the tacit knowledge that papers inevitably leave implicit. We formalize this challenge as the progressive recovery of three types of tacit knowledge -- relational, somatic, and collective -- and propose \method, a graph-based agent framework with a dedicated mechanism for each: node-level relation-aware aggregation recovers relational knowledge by analyzing implementation-unit-level reuse and adaptation relationships between the target paper and its citation neighbors; execution-feedback refinement recovers somatic knowledge through iterative debugging driven by runtime signals; and graph-level knowledge induction distills collective knowledge from clusters of papers sharing similar implementations. On an extended ReproduceBench spanning 3 domains, 10 tasks, and 40 recent papers, \method{} achieves an average performance gap of 10.04\% against official implementations, improving over the strongest baseline by 24.68\%. The code will be publicly released upon acceptance; the repository link will be provided in the final version.
• Abstract（参考訳）: 論文の自動複製 -- 学術論文から実行可能なコードを生成する -- は、情報検索ではなく、論文が必然的に暗黙的に残す暗黙の知識によってボトルネックになっている。 ノードレベルの関係認識アグリゲーションは、実装単位レベルの再利用と、目的の論文とその引用の隣人間の適応関係を分析して関係知識を回復し、実行フィードバックリファインメントは、実行時信号によって駆動される反復的デバッグを通じてソマティックな知識を回復し、グラフレベルの知識誘導は、同様の実装を共有する論文群から集合知識を抽出する。 3つのドメイン、10のタスク、40の最近の論文にまたがる拡張されたReproduceBenchでは、'method{} は公式実装に対して平均的なパフォーマンスギャップを 10.04 % 達成し、最強のベースラインを 24.68 % 改善した。 コードは受理時に公開され、リポジトリリンクは最終バージョンで提供される。

関連論文リスト

• Enhancing Automated Paper Reproduction via Prompt-Free Collaborative Agents [8.185402940269794]
  本稿では,コード生成の品質を自動的に向上する,プロンプトフリーな協調エージェントフレームワークを提案する。 提案手法では,各ステップの出力が対応するシステムプロンプトに規定された要求を満たすかどうかを検証する検証エージェントと,識別された問題に基づいて出力を更新する精査エージェントの2つを用いている。
  論文  参考訳（メタデータ） (2025-12-02T14:24:23Z)
• Executable Knowledge Graphs for Replicating AI Research [65.41207324831583]
  Executable Knowledge Graphs (xKG) は、科学文献から抽出された技術的洞察、コードスニペット、ドメイン固有の知識を自動的に統合するモジュラーでプラグイン可能な知識基盤である。 コードはhttps://github.com/zjunlp/xKGでリリースされる。
  論文  参考訳（メタデータ） (2025-10-20T17:53:23Z)
• RepoSummary: Feature-Oriented Summarization and Documentation Generation for Code Repositories [7.744086870383438]
  RepoSummaryは機能指向のコードリポジトリ要約アプローチである。 同時にリポジトリドキュメンテーションを自動的に生成する。 機能機能から対応するコード要素へのより正確なトレーサビリティリンクを確立する。
  論文  参考訳（メタデータ） (2025-10-13T06:16:44Z)
• Reflective Paper-to-Code Reproduction Enabled by Fine-Grained Verification [46.845133190560375]
  複雑なコードを効率的にデバッグするために、人間が体系的なチェックリストを使う方法に触発されて、textbfReflective Paper-to-Code textbfReproductionフレームワークである textbfReProを提案する。 紙の指紋を自動的に抽出し、高品質な監視信号として機能する、正確で原子的な基準の包括的なセットを参照する。 ベースラインよりも13.0%のパフォーマンスギャップを達成し、反射の複雑な論理的および数学的基準を正しく修正する。
  論文  参考訳（メタデータ） (2025-08-21T06:57:44Z)
• Cite Pretrain: Retrieval-Free Knowledge Attribution for Large Language Models [44.31597857713689]
  最初の段階でActive Indexingを導入し、一般化可能なソースアンコールバインディングを作成します。 Qwen-2.5-7B&3Bの実験は、アクティブインデックスがパッシブインデックスのベースラインを一貫して上回っていることを示している。 内部の引用は、モデルを検索ノイズに対してより堅牢にすることで、外部の引用を補完する。
  論文  参考訳（メタデータ） (2025-06-21T04:48:05Z)
• Learning Refined Document Representations for Dense Retrieval via Deliberate Thinking [58.69615583599489]
  Deliberate Thinking based Retriever (Debater) は、段階的な思考プロセスを導入することで文書表現を強化する新しいアプローチである。 Debaterは、いくつかのベンチマークで既存のメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-02-18T15:56:34Z)
• Multi-Facet Blending for Faceted Query-by-Example Retrieval [5.156059061769101]
  本稿では,多面体ブレンディング(FaBle)拡張法を提案する。 モジュール化によって、事前に定義されたファセットの知識やラベルが不要になります。 1K文書上のFaBle拡張は、ファセット条件埋め込みの訓練を著しく支援する。
  論文  参考訳（メタデータ） (2024-12-02T12:32:19Z)
• Consistency Guided Knowledge Retrieval and Denoising in LLMs for Zero-shot Document-level Relation Triplet Extraction [43.50683283748675]
  文書レベルの関係トリプルト抽出(DocRTE)は、文書から意味的関係を持つエンティティを同時に抽出することを目的とした情報システムの基本課題である。 既存の手法は、かなりの量の完全なラベル付きデータに依存している。 ChatGPTやLLaMAのような最近の先進言語モデル(LLM)は、素晴らしい長文生成能力を示している。
  論文  参考訳（メタデータ） (2024-01-24T17:04:28Z)
• Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
  自動回帰言語モデルは、回答を生成するデファクト標準として現れています。 これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。 本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
  論文  参考訳（メタデータ） (2022-04-22T10:45:01Z)
• Integrating Semantics and Neighborhood Information with Graph-Driven Generative Models for Document Retrieval [51.823187647843945]
  本稿では,周辺情報をグラフ誘導ガウス分布でエンコードし,その2種類の情報をグラフ駆動生成モデルと統合することを提案する。 この近似の下では、トレーニング対象がシングルトンまたはペアワイズ文書のみを含む用語に分解可能であることを証明し、モデルが非関連文書と同じくらい効率的にトレーニングできることを示す。
  論文  参考訳（メタデータ） (2021-05-27T11:29:03Z)

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。