論文の概要: LitPivot: Developing Well-Situated Research Ideas Through Dynamic Contextualization and Critique within the Literature Landscape
- arxiv url: http://arxiv.org/abs/2604.02600v1
- Date: Fri, 03 Apr 2026 00:22:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 17:20:24.256162
- Title: LitPivot: Developing Well-Situated Research Ideas Through Dynamic Contextualization and Critique within the Literature Landscape
- Title（参考訳）: LitPivot: 文学ランドスケープにおける動的コンテクスト化と批判を通じて、しっかりとした研究思想を開発する
- Abstract要約: 文芸開始のピボットは,文芸との関わりが発展的アイデアへの再考を促すメカニズムである。
私たちはLitPivotでこれを運用しています。
実験室での研究によると、研究者は文学空間についてより強力な自己報告された理解を持つ高い評価のアイデアを生み出した。
- 参考スコア（独自算出の注目度）: 25.84690986695855
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Developing a novel research idea is hard. It must be distinct enough from prior work to claim a contribution while also building on it. This requires iteratively reviewing literature and refining an idea based on what a researcher reads; yet when an idea changes, the literature that matters often changes with it. Most tools offer limited support for this interplay: literature tools help researchers understand a fixed body of work, while ideation tools evaluate ideas against a static, pre-curated set of papers. We introduce literature-initiated pivots, a mechanism where engagement with literature prompts revision to a developing idea, and where that revision changes which literature is relevant. We operationalize this in LitPivot, where researchers concurrently draft and vet an idea. LitPivot dynamically retrieves clusters of papers relevant to a selected part of the idea and proposes literature-informed critiques for how to revise it. A lab study ($n{=}17$) shows researchers produced higher-rated ideas with stronger self-reported understanding of the literature space; an open-ended study ($n{=}5$) reveals how researchers use LitPivot to iteratively evolve their own ideas.
- Abstract（参考訳）: 新たな研究アイデアの開発は難しい。
コントリビューションを主張すると同時に、それに基づいて構築するには、事前の作業と十分に区別する必要がある。
これは、文献を反復的にレビューし、研究者が何を読むかに基づいてアイデアを精査する必要があるが、考えが変わると、重要な文献はそれで頻繁に変わる。
ほとんどのツールは、この相互作用を限定的にサポートしている: 文学ツールは、研究者が固定された作業体を理解するのに役立つ。
そこで本研究では,文献に係わる関係が発展的思考に即応し,どの文献に関連があるかを変えるメカニズムである文献開始ピボットを紹介した。
私たちはLitPivotでこれを運用しています。
LitPivotは、そのアイデアの選択した部分に関連する論文のクラスタを動的に検索し、それを改訂するための文献情報による批評を提案する。
n{=}17$(n{=}17$)の研究は、研究者が文学空間のより強力な自己報告された理解を持つ高度なアイデアを生み出したことを示している。
関連論文リスト
- Personalized Auto-Research: Towards a True AI Co-Scientist [90.01790420664169]
研究目標を考えると、最先端のシステムは研究者に依存しないままである。
小説、価値、実現可能なものは研究者によって異なる。
本稿では,検索,仮説探索,実験,執筆,レビューを通じて,グラフグラウンドの研究者コンテキストをスレッド化するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-14T20:43:27Z) - AwesomeLit: Towards Hypothesis Generation with Agent-Supported Literature Research [6.5171198649015265]
AwesomeLitは、人間とエージェントによる協調的な視覚化システムである。
ユーザーが馴染みのないトピックを探索し、有望な研究方向を特定し、研究結果の信頼性を向上させるのに役立つ。
論文 参考訳（メタデータ） (2026-03-23T23:51:14Z) - Deep Ideation: Designing LLM Agents to Generate Novel Research Ideas on Scientific Concept Network [9.317340414316446]
本稿では,キーワード共起関係と文脈関係をキャプチャする科学ネットワークを統合する枠組みを提案する。
現実のレビュアーのフィードバックに基づいて訓練された批評家エンジンは、アイデアの新規性と実現可能性に関する継続的なフィードバックを提供することによって、プロセスをガイドする。
当社のアプローチでは,他の手法に比べて10.67%の品質向上を実現しています。
論文 参考訳（メタデータ） (2025-11-04T04:00:20Z) - The Ramon Llull's Thinking Machine for Automated Ideation [52.06378166909451]
提案手法は, テーマ, ドメイン, メソッドの3つの構成軸を定義する。
我々は,LLMをキュレートした組み合わせで促進することで,多種多様で関連性があり,現在の文献に根ざした研究思想が生み出されることを示す。
この現代的な思考マシンは、科学的創造性を増強するための軽量で解釈可能なツールを提供し、人間とAIの協調的な概念化への道筋を示唆している。
論文 参考訳（メタデータ） (2025-08-26T17:03:43Z) - The Budget AI Researcher and the Power of RAG Chains [4.797627592793464]
研究アイデア生成への現在のアプローチは、しばしばジェネリック・大型言語モデル(LLM)に依存している。
私たちのフレームワークであるThe Budget AI Researcherは、検索強化ジェネレーションチェーン、ベクトルデータベース、トピック誘導ペアリングを使用して、数百の機械学習論文の概念を再結合します。
このシステムは、機械学習の広大なサブフィールドにまたがる9つの主要なAIカンファレンスから論文を取り込み、それらを階層的なトピックツリーに整理する。
論文 参考訳（メタデータ） (2025-06-14T02:40:35Z) - All That Glitters is Not Novel: Plagiarism in AI Generated Research [15.246406031450775]
このような研究資料のかなりの部分は、巧妙に盗用されている。
専門家らは、50ドルの評価された研究資料のうち24%を、言い換えられるか、あるいは既存の研究からかなり借用されていると特定している。
残りの76%のドキュメントは、既存の作品と異なるレベルの類似性を示しており、ごくわずかしか全く新しいものではない。
論文 参考訳（メタデータ） (2025-02-23T08:00:33Z) - Chain of Ideas: Revolutionizing Research Via Novel Idea Development with LLM Agents [64.64280477958283]
科学文献の急激な増加は、研究者が最近の進歩と意義ある研究方向を見極めるのを困難にしている。
大規模言語モデル(LLM)の最近の発展は、新しい研究のアイデアを自動生成するための有望な道のりを示唆している。
本研究では, チェーン構造に関連文献を整理し, 研究領域の進展を効果的に反映する, LLMベースのエージェントであるChain-of-Ideas(CoI)エージェントを提案する。
論文 参考訳（メタデータ） (2024-10-17T03:26:37Z) - Good Idea or Not, Representation of LLM Could Tell [86.36317971482755]
我々は、大規模言語モデルの知識を活用し、科学的アイデアのメリットを評価することを目的としたアイデアアセスメントに焦点をあてる。
我々は、このタスクに対する様々なアプローチのパフォーマンスを訓練し評価するために、細心の注意を払って設計された、フルテキストを持つ約4万の原稿からベンチマークデータセットをリリースする。
その結果, 大規模言語モデルの表現は, 生成出力よりもアイデアの価値を定量化する可能性が高いことが示唆された。
論文 参考訳（メタデータ） (2024-09-07T02:07:22Z) - 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) - SciMON: Scientific Inspiration Machines Optimized for Novelty [68.46036589035539]
文献に基づく新たな科学的方向を生成するために,ニューラルランゲージモデルを探索し,拡張する。
モデルが入力背景コンテキストとして使用される新しい設定で、劇的な出発をとっています。
本稿では,過去の科学的論文から「吸入」を抽出するモデリングフレームワークであるSciMONを紹介する。
論文 参考訳（メタデータ） (2023-05-23T17:12:08Z) - IdeaReader: A Machine Reading System for Understanding the Idea Flow of
Scientific Publications [33.92974984083136]
IdeaReaderは、どの論文がターゲットの出版物に影響を受けやすいかを調べる機械読み取りシステムである。
その後、各クラスタから重要な論文を抽出し、アイデアフローの骨格を抽出する。
IdeaReaderは、各トピックで重要な論文の文献レビューを自動的に生成する。
論文 参考訳（メタデータ） (2022-09-27T08:28:42Z)
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。
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。