論文の概要: PaperJury: Due-Process Review for Bounded LaTeX Revision

• arxiv url: http://arxiv.org/abs/2606.16322v1
• Date: Mon, 15 Jun 2026 07:29:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.14392
• Title: PaperJury: Due-Process Review for Bounded LaTeX Revision
• Title（参考訳）: PaperJury: LaTeX境界修正のDue-Processレビュー
• Authors: Yiran Wang, Ruixuan An, Biao Wu, Wenhao Wang,
• Abstract要約: PaperJuryは、決定論的・セマンティックスプリットに基づいて構築されたクローズドループレビュー・予測・修正・検証システムである。 PaperJuryは、境界付き全体論的なレビュー、競合性に基づくルーティング、デュープロセストライアル、アンカーバウンド編集のためのリスク分散ガードチェーンを組み合わせている。
• 参考スコア（独自算出の注目度）: 10.41008524026468
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pre-submission hardening of human-authored LaTeX computer science papers differs from drafting assistance because it requires adversarial whole-paper review, explicit no-fix outcomes, and bounded artifact-safe revision. Existing writing assistants, critique generators, and judge-centered loops lack durable issue identity across rounds, deterministic routing from critique to adjudication, and manuscript control that can reject invalid concerns or defer author-dependent ones. We present PaperJury, a closed-loop review-verdict-revise-verify system built on a deterministic-versus-semantic split: deterministic orchestration manages decomposition, a frozen claim spine, a durable ledger, routing, stopping, and exact-once patch application, while semantic agents are limited to bounded review, judgment, and repair. PaperJury combines bounded holistic review, contestability-based routing, a due-process trial, and risk-proportional guard chains for anchor-bounded edits, yielding terminal outcomes of invalid-drop, valid-fixable, and author-required. In a two-arm expert-review evaluation on held-out Vision, natural language processing, and machine learning papers against four baselines, we assess issue quality, verdict and routing quality, edit safety, convergence behavior, and cost, supporting the thesis that load-bearing safety and completion logic should reside in deterministic orchestration rather than model discretion. PaperJury is available at https://github.com/u7079256/paperjury.
• Abstract（参考訳）: 人間の著述したLaTeXコンピュータサイエンス論文の事前提出硬化は、反対の論文全体レビュー、明示的なノーフィックス結果、有界なアーティファクトセーフリビジョンを必要とするため、起草支援とは異なる。 既存の筆記アシスタント、批評ジェネレータ、および判断中心ループには、ラウンド間での永続的な発行アイデンティティ、批判から判断論的ルーティング、不正な懸念を拒否したり、著者に依存しないものを延期できる原稿制御が欠如している。 決定論的オーケストレーションは、分解、凍結されたクレームスピン、耐久性のある台帳、ルーティング、停止、および正確なオンスパッチアプリケーションを管理するが、セマンティックエージェントは境界付きレビュー、判断、修復に限られる。 PaperJuryは、境界付き全体論的なレビュー、競合性に基づくルーティング、デュプロトライアル、アンカーバウンド編集のためのリスク分散ガードチェーンを組み合わせることで、無効なドロップ、有効な修正可能、および著者要求の最終的な結果をもたらす。 4つのベースラインに対する視覚、自然言語処理、機械学習論文の2本腕による専門家レビュー評価では、問題品質、予測とルーティングの品質を評価し、安全性、収束挙動、コストを編集し、ロードアリングの安全性と完了ロジックがモデル判断よりも決定論的オーケストレーションに留まるべきという仮説を支持する。 PaperJuryはhttps://github.com/u7079256/paperjury.comで入手できる。

関連論文リスト

• Cross-Source Reasoning-based Correction for Author Name Disambiguation [24.49534181014346]
  著者名の曖昧さは学術検索システムにおいて重要な課題である。 データリファインメント、クロスソース推論、テストタイムスケーリングを統合したフルスタックフレームワークであるCrossNDを提案する。 実世界のデータセットの実験は、CrossNDが17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。
  論文  参考訳（メタデータ） (2026-06-07T13:08:15Z)
• Shattering the Echo Chamber: Hidden Safeguards in Manuscripts Against the AI Takeover of Peer Review [41.467123148467415]
  エンド・ツー・エンド・レビュー・アウトソーシングは新たな脅威だ。 会場に依存しない防衛フレームワークであるIntraGuardを提案する。 IntraGuardは最大84%の防衛成功率を達成した。
  論文  参考訳（メタデータ） (2026-05-06T13:23:40Z)
• When AI reviews science: Can we trust the referee? [73.47745294608072]
  私たちは、トレーニングとデータ検索、デスクレビュー、深いレビュー、反論、システムレベルといった、レビューライフサイクル全体のアタックをマップします。 評価スコアに高名度フレーミング, 断定力, 反抗薬効, 文脈中毒の因果効果を分離するために, 2つの高度なLCMベースの審判を用いた。
  論文  参考訳（メタデータ） (2026-04-26T08:03:32Z)
• What Makes a Good AI Review? Concern-Level Diagnostics for AI Peer Review [6.59569431190247]
  本稿では,AIレビューを判断レベルでのみ評価するのではなく,関心レベルで評価する診断フレームワークを提案する。 本稿では,二項精度から問題検出,判定・階層化動作,判断・認識の校正,帰属・認識の分解に移行した評価ラグを導出する。
  論文  参考訳（メタデータ） (2026-04-21T21:16:59Z)
• PaperAudit-Bench: Benchmarking Error Detection in Research Papers for Critical Automated Peer Review [54.141490756509306]
  本稿では、エラーデータセットであるPaperAudit-Datasetと、自動レビューフレームワークであるPaperAudit-Reviewの2つのコンポーネントからなるPaperAudit-Benchを紹介する。 PaperAudit-Benchの実験では、モデルと検出深さの誤差検出可能性に大きなばらつきが示された。 本研究では,SFTおよびRLによる軽量LLM検出器のトレーニングをサポートし,計算コストの削減による効率的な誤り検出を実現する。
  論文  参考訳（メタデータ） (2026-01-07T04:26:12Z)
• BadScientist: Can a Research Agent Write Convincing but Unsound Papers that Fool LLM Reviewers? [21.78901120638025]
  製造指向の紙生成エージェントがマルチモデルLCMレビューシステムを欺くことができるかどうかを考察する。 我々のジェネレータは、実際の実験を必要としないプレゼンテーション操作戦略を採用している。 健全な集約数学にもかかわらず、整合性検査は体系的に失敗する。
  論文  参考訳（メタデータ） (2025-10-20T18:37:11Z)
• End-to-End Page-Level Assessment of Handwritten Text Recognition [69.55992406968495]
  HTRシステムは、文書のエンドツーエンドのページレベルの書き起こしに直面している。 標準メトリクスは、現れる可能性のある不整合を考慮していない。 本稿では、転写精度とROの良さを別々に検討する2つの評価法を提案する。
  論文  参考訳（メタデータ） (2023-01-14T15:43:07Z)
• Mitigating Manipulation in Peer Review via Randomized Reviewer Assignments [96.114824979298]
  コンファレンスピアレビューにおける3つの重要な課題は、特定の論文に割り当てられる悪意のある試みであり、"Torpedo reviewing"である。 我々は、これらの課題を共通の傘の下にまとめ、レビュアーの割り当てのための(ランダム化された)アルゴリズムを示すフレームワークを提案する。 我々のアルゴリズムは、悪意のあるレビュアーが希望する論文に割り当てられる確率を50%に抑えつつ、完全な最適類似性の90%以上を割り当てることができます。
  論文  参考訳（メタデータ） (2020-06-29T23:55:53Z)
• Fast(er) Reconstruction of Shredded Text Documents via Self-Supervised Deep Asymmetric Metric Learning [62.34197797857823]
  細断文書の自動復元における中心的な問題は、細断文書の相互互換性評価である。 本研究は,推定回数を線形にスケールするペアワイド互換性を測るスケーラブルな深層学習手法を提案する。 提案手法は,505個のシュレッダーを持つテストインスタンスに対して,22倍の高速化を実現した最先端技術に匹敵する精度を有する。
  論文  参考訳（メタデータ） (2020-03-23T03:22:06Z)

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。