論文の概要: Paper Circle: An Open-source Multi-agent Research Discovery and Analysis Framework

• arxiv url: http://arxiv.org/abs/2604.06170v1
• Date: Tue, 07 Apr 2026 17:59:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.992213
• Title: Paper Circle: An Open-source Multi-agent Research Discovery and Analysis Framework
• Title（参考訳）: Paper Circle: オープンソースのマルチエージェントリサーチディスカバリと分析フレームワーク
• Authors: Komal Kumar, Aman Chadha, Salman Khan, Fahad Shahbaz Khan, Hisham Cholakkal,
• Abstract要約: ペーパーサークル(Paper Circle)は、学術文献の発見、評価、整理、理解に必要な労力を減らすために設計された発見・分析システムである。 1)複数のソースからのオフラインおよびオンライン検索を統合するディスカバリパイプライン,多エージェントスコアリング,多様性対応ランキング,構造化アウトプット,2)個々の論文を概念,メソッド,数値などの型付きノードで構造化された知識グラフに変換する分析パイプライン,の2つの補完パイプラインで構成されている。
• 参考スコア（独自算出の注目度）: 82.66443886385125
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid growth of scientific literature has made it increasingly difficult for researchers to efficiently discover, evaluate, and synthesize relevant work. Recent advances in multi-agent large language models (LLMs) have demonstrated strong potential for understanding user intent and are being trained to utilize various tools. In this paper, we introduce Paper Circle, a multi-agent research discovery and analysis system designed to reduce the effort required to find, assess, organize, and understand academic literature. The system comprises two complementary pipelines: (1) a Discovery Pipeline that integrates offline and online retrieval from multiple sources, multi-criteria scoring, diversity-aware ranking, and structured outputs; and (2) an Analysis Pipeline that transforms individual papers into structured knowledge graphs with typed nodes such as concepts, methods, experiments, and figures, enabling graph-aware question answering and coverage verification. Both pipelines are implemented within a coder LLM-based multi-agent orchestration framework and produce fully reproducible, synchronized outputs including JSON, CSV, BibTeX, Markdown, and HTML at each agent step. This paper describes the system architecture, agent roles, retrieval and scoring methods, knowledge graph schema, and evaluation interfaces that together form the Paper Circle research workflow. We benchmark Paper Circle on both paper retrieval and paper review generation, reporting hit rate, MRR, and Recall at K. Results show consistent improvements with stronger agent models. We have publicly released the website at https://papercircle.vercel.app/ and the code at https://github.com/MAXNORM8650/papercircle.
• Abstract（参考訳）: 科学文献の急速な成長は、研究者が関連する研究を効率的に発見し、評価し、合成することがますます困難になっている。 近年のマルチエージェント・大規模言語モデル(LLM)の進歩は,ユーザの意図を理解する強力な可能性を示し,様々なツールの活用を訓練している。 本稿では,学術文献の発見,評価,整理,理解に要する労力を削減するために,多エージェントによる研究発見・分析システムであるPaper Circleを紹介する。 本システムは,(1)複数ソースからのオフラインおよびオンライン検索を統合するディスカバリパイプライン,2)複数基準のスコアリング,多様性対応ランキング,構造化アウトプット,および(2)個々の論文を概念,方法論,実験,図形などの型付きノードによる構造化知識グラフに変換し,グラフ対応質問応答とカバレッジ検証を可能にする分析パイプラインからなる。 どちらのパイプラインも、LLMベースのマルチエージェントオーケストレーションフレームワークで実装されており、各エージェントステップでJSON、CSV、BibTeX、Markdown、HTMLを含む完全に再現可能な、同期出力を生成する。 本稿では,Paper Circle研究ワークフローを構成するシステムアーキテクチャ,エージェントの役割,検索と評価方法,知識グラフスキーマ,評価インターフェースについて述べる。 論文検索と論文レビュー生成の両面でPaper Circleをベンチマークし, 報告ヒット率, MRR, Recall at K。 私たちはhttps://papercircle.vercel.app/でWebサイトを公開し、https://github.com/MAXNORM8650/papercircle.comでコードを公開しました。

関連論文リスト

• Beyond Relevance: On the Relationship Between Retrieval and RAG Information Coverage [89.58253972744531]
  Retrieval-augmented Generation (RAG) システムは、文書検索と生成モデルを組み合わせて、レポート生成のような複雑な情報を求める課題に対処する。 我々は,上流の検索指標が,最終生成応答の情報カバレッジの信頼性の高い早期指標として機能するかどうかを検討する。 本研究は,トピックとシステムレベルの両方で生成した応答におけるカバレッジベース検索指標とナゲットカバレッジとの間に強い相関関係を示した。
  論文  参考訳（メタデータ） (2026-03-09T18:20:20Z)
• SciFig: Towards Automating Scientific Figure Generation [41.73701976318102]
  SciFigは研究論文のテキストから直接出版可能なパイプライン図を生成するエンドツーエンドのAIエージェントシステムである。 本稿では,2,219個の実科学図を解析し,評価ルーブを抽出するルーブリックに基づく評価フレームワークを提案する。 SciFigは、データセットレベルの評価で70.1$%、紙固有の評価で66.2$%の全体的な品質を達成した。
  論文  参考訳（メタデータ） (2026-01-07T20:56:58Z)
• Deep Literature Survey Automation with an Iterative Workflow [30.923568155892184]
  我々のフレームワークは 再帰的なアウトライン生成に基づく 探索とコヒーレンスの両方を保証する 忠実な紙レベル接地を実現するため,各紙をその寄与,方法,発見に蒸留する紙カードを設計する。 確立されたトピックと新興トピックの両方の実験では、コンテンツカバレッジ、構造的コヒーレンス、引用品質の最先端のベースラインを大きく上回っている。
  論文  参考訳（メタデータ） (2025-10-24T14:41:26Z)
• Graph2Eval: Automatic Multimodal Task Generation for Agents via Knowledge Graphs [38.93261732451012]
  マルチモーダル文書理解タスクとWebインタラクションタスクの両方を自動的に生成する知識グラフベースのフレームワークであるGraph2Evalを提案する。 Graph2Eval-Benchはドキュメントの理解とWebインタラクションのシナリオにまたがる1,319のタスクのキュレートされたデータセットです。 実験によると、Graph2Evalは、エージェントとモデルのパフォーマンスを区別するタスクを効率的に生成し、異なる設定間での推論、コラボレーション、Webインタラクションのギャップを明らかにする。
  論文  参考訳（メタデータ） (2025-10-01T04:37:54Z)
• 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)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)
• Hierarchical Lexical Graph for Enhanced Multi-Hop Retrieval [22.33550491040999]
  RAGは、大きな言語モデルを外部の証拠に基礎を置いているが、セマンティックに遠く離れた文書で答えをまとめなければならないと、いまだに混乱している。 私たちは、StatementGraphRAGとTopicGraphRAGという2つのプラグイン・アンド・プレイレトリバーを構築します。 提案手法は,検索リコールと正当性において平均23.1%の相対的改善を達成し,有意なチャンクベースRAGよりも優れていた。
  論文  参考訳（メタデータ） (2025-06-09T17:58:35Z)

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。