Fugu-MT 論文翻訳(概要): The IJCNN 2025 Review Process

論文の概要: The IJCNN 2025 Review Process

arxiv url: http://arxiv.org/abs/2603.19244v1
Date: Thu, 19 Feb 2026 15:17:17 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-06 02:36:12.76753
Title: The IJCNN 2025 Review Process
Title（参考訳）: IJCNN 2025レビュープロセス
Abstract要約: IJCNN(International Joint Conference on Neural Networks)は、ニューラルネットワーク理論、分析、応用に関する国際会議である。 2025年版は5,526件の論文提出,7,877件のアクティブレビュアー,426件のエリアチェア,2,152件の受理論文,2,300件以上の参加者で構成された。
参考スコア（独自算出の注目度）: 11.748189608685564
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The International Joint Conference on Neural Networks (IJCNN) is the premier international conference in the area of neural networks theory, analysis, and applications. The 2025 edition of the conference comprised 5,526 paper submissions, 7,877 active reviewers, 426 area chairs, 2,152 accepted papers, and more than 2,300 attendees. This represents a growth of about 100% in terms of submissions, 200% in terms of reviewers, and over 50% in terms of attendees as compared to the previous edition. In this paper, we describe several key aspects of the whole review process, including a strategy for ranking the scores provided by the reviewers by evaluating a score index and a calibrated version used experimentally to remove reviewer-specific bias from reviews.
Abstract（参考訳）: IJCNN(International Joint Conference on Neural Networks)は、ニューラルネットワーク理論、分析、応用に関する国際会議である。 2025年版は5,526件の論文提出,7,877件のアクティブレビュアー,426件のエリアチェア,2,152件の受理論文,2,300件以上の参加者で構成された。これは、応募数で約100%、レビュアーで約200%、参加者で約50%の伸びを示している。本稿では,レビュアーが提示するスコアのランク付け戦略や,レビュアー固有のバイアスを実験的に評価する校正版など,レビュープロセス全体の重要な側面について述べる。

関連論文リスト

Deep Academic Survey: Stateful Agentic Closed-Loop Paradigm for Academic Survey Automation [60.151050016855834]
DASは出版指向の学術調査を作成するためのステートフルなエージェント・フレームワークである。その鍵となる考え方は、再利用可能な紙分析とトピック固有の原稿構築を分離することである。 DASは4つの次元で最高点に達し、総合スコアは4.34であり、最強の競争相手は4.03である。
論文参考訳（メタデータ） (2026-08-18T17:29:00Z)
Local AI pre-screening for human triple-blind peer review in health sciences [0.0]
ICLR 2026の分析によると、75,800人のピアレビューのうち、およそ21%がAIによって生成された。本稿では,ピアレビューのためのマルチLLMプレスクリーニングフレームワークを提案する。
論文参考訳（メタデータ） (2026-07-18T00:06:33Z)
Rejoinder: The ICML 2023 Ranking Experiment: Examining Author Self-Assessment in ML/AI Peer Review [49.43514488610211]
この記事は、The ICML 2023 Ranking Experiment: Examining Author Self-Assessment in ML/AI Peer Review'のリファインダーである。 i)ピアレビューを統計的推定問題として定式化すること、(ii)アイソトニックメカニズムの展開における公平性と戦略的懸念を緩和すること、(iii)レビュアーランキングや構造化メタデータなどの補完的な信号を組み込むこと、(iv)生成AIの時代におけるピアレビューのための人間中心の枠組みを検討すること、の4つのテーマについて回答をまとめる。
論文参考訳（メタデータ） (2026-05-24T17:06:47Z)
From Authors to Reviewers: Leveraging Rankings to Improve Peer Review [10.541357028178831]
近年,機械学習(ML)カンファレンスのレビュー品質が懸念されている。本稿では,著者ではなくレビュアーからのランキング情報を活用するアプローチを提案する。その結果, (i)レビュアーからの情報を取り入れたランキングは, 各論文の品質評価を著しく向上させることができ, 著者のみによるランキング情報の利用よりも優れていることがわかった。
論文参考訳（メタデータ） (2025-09-26T19:16:09Z)
The ICML 2023 Ranking Experiment: Examining Author Self-Assessment in ML/AI Peer Review [49.43514488610211]
著者が提供するランキングは、機械学習カンファレンスでのピアレビュープロセスを改善するために利用することができる。著者が提示したランキングを用いて生のレビュースコアを校正するイソトニックメカニズムに注目した。本稿では,アイソトニック機構の慎重かつリスクの低いいくつかの応用と著者が提案する格付けをピアレビューで提案する。
論文参考訳（メタデータ） (2024-08-24T01:51:23Z)
EFaR 2023: Efficient Face Recognition Competition [51.77649060180531]
バイオメトリックス国際会議(IJCB 2023)における効率的な顔認識コンペティション(EFaR)の概要について述べる。この競技会は6つの異なるチームから17の応募を受けた。提案したソリューションは、様々なベンチマークで達成された検証精度の重み付けスコアと、浮動小数点演算数とモデルサイズによって与えられるデプロイ可能性に基づいてランク付けされる。
論文参考訳（メタデータ） (2023-08-08T09:58:22Z)
Has the Machine Learning Review Process Become More Arbitrary as the Field Has Grown? The NeurIPS 2021 Consistency Experiment [86.77085171670323]
2014年のNeurIPS実験では、2つの独立した委員会によって10%の会議の提出をレビューし、レビュープロセスにおけるランダム性を定量化した。両委員会が論文の23%の勧告を受理・棄却することに反対し、審査プロセスがランダムに再実行された場合、2014年度の結果と一致して、受理された論文のリストの約半数が変更されることを観察する。
論文参考訳（メタデータ） (2023-06-05T21:26:12Z)
Integrating Rankings into Quantized Scores in Peer Review [61.27794774537103]
ピアレビューでは、レビュアーは通常、論文のスコアを提供するように求められます。この問題を軽減するため、カンファレンスはレビュアーにレビューした論文のランキングを付加するように求め始めている。このランキング情報を使用するための標準的な手順はなく、エリアチェアは異なる方法でそれを使用することができる。我々は、ランキング情報をスコアに組み込むために、原則化されたアプローチを取る。
論文参考訳（メタデータ） (2022-04-05T19:39:13Z)
Matching Papers and Reviewers at Large Conferences [25.79501640609188]
本稿では,AAAI第35回AI会議(AAAI 2021)で最近実施されたレビュアーとペーパーのマッチング手法について検討する。本手法は,(1)問題のあるマッチングを識別し,レビュア紙スコアを生成するための入力データの収集と処理,(2)優れたレビュア紙マッチングを見つけるための最適化問題の定式化と解決,(3)拒絶される可能性のある論文から決定境界に近い論文へリソースを移行させる新たな2段階レビュープロセスの導入,の3つの要素を有する。
論文参考訳（メタデータ） (2022-02-24T18:13:43Z)
Recognizing Families In the Wild: White Paper for the 4th Edition Data Challenge [91.55319616114943]
本稿では,Recognizing Families In the Wild(RFIW)評価における支援課題(親族検証,三対象検証,行方不明児の検索・検索)を要約する。本研究の目的は、2020年のRFIWチャレンジと、将来的な方向性の予測について述べることである。
論文参考訳（メタデータ） (2020-02-15T02:22:42Z)

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。