論文の概要: Graphs of Research: Citation Evolution Graphs as Supervision for Research Idea Generation

• arxiv url: http://arxiv.org/abs/2605.14790v1
• Date: Thu, 14 May 2026 12:57:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.831592
• Title: Graphs of Research: Citation Evolution Graphs as Supervision for Research Idea Generation
• Title（参考訳）: 研究のグラフ: 研究のアイデア形成のスーパービジョンとしてのCitation Evolution Graphs
• Authors: Songyang Gao, Yinghui Xia, Siyi Liu, Hui Xiong,
• Abstract要約: グラフ・オブ・リサーチ (Graphs of Research, GoR) は、各シード紙の2ホップ基準近傍を抽出する教師付き微調整法である。 GoRは参照を論文進化指向非巡回グラフ(DAG)に整理する 5つの主要ML/NLP会場からデータを引き出す自動抽出パイプラインを構築した。
• 参考スコア（独自算出の注目度）: 24.044079363031035
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Research idea generation is the innovation-driving step of automated scientific research. Recently, large language models (LLMs) have shown potential for automating idea generation at scale. However, existing methods mainly condition LLMs on eliciting idea generation through static retrieval of relevant literature or complex prompt engineering, without discarding the structural relations among references. We propose Graphs of Research (GoR), a supervised fine-tuning method that extracts a 2-hop reference neighborhood for each seed paper, derives the relations among those references from citation position, frequency, predecessor links, and publication time, and organizes them into a paper-evolution directed acyclic graph (DAG). We construct an automated extraction pipeline that draws data from five major ML/NLP venues, comprising 498/50/50 train/validation/test seed papers and approximately 7,600 cited references. Qwen2.5-7B-Instruct-1M is fine-tuned on a structured-text prompt that includes the citation graph, edge signals, reference information, and task definition to predict the idea for the seed paper. Across head-to-head LLM-judge tournaments against gpt-4o-driven baselines, GoR-SFT achieves SOTA, demonstrating the effectiveness of citation-evolution graphs as supervision signal for LLM-based idea generation. We hope that this reduces the barrier for citation evolution graphs as a supervision, accelerating automated scientific innovation.
• Abstract（参考訳）: 研究アイデア生成は、自動科学研究のイノベーション推進のステップである。 近年,大規模言語モデル (LLM) はアイデア生成を大規模に自動化する可能性を示している。 しかし、既存の手法では、参照間の構造的関係を捨てることなく、関連文献の静的検索や複雑なプロンプトエンジニアリングによるアイデア生成を規定する。 本稿では,各シード紙の2ホップ基準近傍を抽出し,引用位置,頻度,先行リンク,公開時間からそれらの参照間の関係を導出し,それらを論文進化指向非循環グラフ(DAG)に整理する,教師付き微調整法であるグラフ・オブ・リサーチ(GoR)を提案する。 ML/NLPの5つの会場から,498/50/50の列車/検証/テストシード論文と,約7,600の引用参照からなる自動抽出パイプラインを構築した。 Qwen2.5-7B-Instruct-1Mは、引用グラフ、エッジ信号、参照情報、タスク定義を含む構造化テキストプロンプト上で微調整され、シード紙のアイデアを予測する。 gpt-4o ベースラインに対する LLM-judge トーナメント全体を通じて,GoR-SFT は SOTA を達成し,LCM ベースのアイデア生成の監視信号として引用進化グラフの有効性を示した。 これにより、自動的な科学革新を加速する監視として、引用進化グラフの障壁が減ることを期待しています。

関連論文リスト

• NERFIFY: A Multi-Agent Framework for Turning NeRF Papers into Code [49.610331036334316]
  我々はNeRF研究論文をトレーニング可能なNerfstudioプラグインに確実に変換するフレームワークであるNERFIFYを紹介する。 コード、データ、実装が公開される。
  論文  参考訳（メタデータ） (2026-02-28T20:57:32Z)
• Graph-Anchored Knowledge Indexing for Retrieval-Augmented Generation [53.42323544075114]
  グラフアンコール型知識インデックス手法であるGraphAnchorを提案する。 4つのマルチホップ質問応答ベンチマークの実験では、GraphAnchorの有効性が示されている。
  論文  参考訳（メタデータ） (2026-01-23T05:41:05Z)
• What Should I Cite? A RAG Benchmark for Academic Citation Prediction [24.99107629089983]
  引用予測は、学者が拡大する科学文献をナビゲートするのを助けるために、自動的に適切な参照を提案することを目的としている。 ここでは,学術的な引用予測に基づいて大規模言語モデルを評価するための,最初の総合的検索拡張世代(RAG)統合ベンチマークである textbfCiteRAG を紹介する。
  論文  参考訳（メタデータ） (2026-01-21T12:51:47Z)
• Graph Your Way to Inspiration: Integrating Co-Author Graphs with Retrieval-Augmented Generation for Large Language Model Based Scientific Idea Generation [1.2232326171442904]
  本稿では,GYWIと呼ばれる科学的アイデア生成システムを提案する。 著者の知識グラフと検索強化世代(RAG)を組み合わせることで、外部知識基盤を形成する。 生成したアイデアは, 新規性, 実現可能性, 明確性, 妥当性, 重要性の5つの側面から評価される。
  論文  参考訳（メタデータ） (2025-12-05T03:38:23Z)
• VeriCite: Towards Reliable Citations in Retrieval-Augmented Generation via Rigorous Verification [107.75781898355562]
  証拠を厳格に検証し,回答の帰属性を高めるために設計された,VeriCiteと呼ばれる新しいフレームワークを紹介する。 我々は,5つのオープンソースLCMと4つのデータセットを対象とした実験を行い,VeriCiteが回答の正しさを維持しつつ,引用品質を大幅に向上できることを実証した。
  論文  参考訳（メタデータ） (2025-10-13T13:38:54Z)
• Align-GRAG: Reasoning-Guided Dual Alignment for Graph Retrieval-Augmented Generation [79.75818239774952]
  大きな言語モデル(LLM)は目覚ましい能力を示しているが、幻覚や時代遅れの情報といった問題に苦戦している。 Retrieval-augmented Generation (RAG) は、情報検索システム(IR)を用いて、外部知識のLLM出力を基底にすることで、これらの問題に対処する。 本稿では、検索後句における新しい推論誘導二重アライメントフレームワークであるAlign-GRAGを提案する。
  論文  参考訳（メタデータ） (2025-05-22T05:15:27Z)
• Attribution in Scientific Literature: New Benchmark and Methods [41.64918533152914]
  大規模言語モデル(LLM)は、科学的コミュニケーションにおいて、自動ソース引用のための有望だが挑戦的なフロンティアを提供する。 本稿では、arXivから12の科学領域にまたがる文レベルのアノテーションを備えた新しいデータセットREASONSを紹介する。 我々は、GPT-O1、GPT-4O、GPT-3.5、DeepSeekなどのモデルや、Perplexity AI (7B)のような他の小さなモデルで広範な実験を行う。
  論文  参考訳（メタデータ） (2024-05-03T16:38:51Z)
• Scientific Paper Extractive Summarization Enhanced by Citation Graphs [50.19266650000948]
  我々は、引用グラフを活用して、異なる設定下での科学的論文の抽出要約を改善することに重点を置いている。 予備的な結果は、単純な教師なしフレームワークであっても、引用グラフが有用であることを示している。 そこで我々は,大規模ラベル付きデータが利用可能である場合のタスクにおいて,より正確な結果を得るために,グラフベースのスーパービジョン・サムライゼーション・モデル(GSS)を提案する。
  論文  参考訳（メタデータ） (2022-12-08T11:53:12Z)

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。