論文の概要: Towards Automating Scientific Review with Google's Paper Assistant Tool

• arxiv url: http://arxiv.org/abs/2606.28277v1
• Date: Fri, 26 Jun 2026 17:19:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.54787
• Title: Towards Automating Scientific Review with Google's Paper Assistant Tool
• Title（参考訳）: Googleのペーパーアシスタントツールによる科学レビューの自動化に向けて
• Abstract要約: Paper Assistant Tool (PAT)は、ディープ・サイエンス・レビューと検証のために開発されたエージェントAIフレームワークである。 2つの主要なコンピュータサイエンスカンファレンスの著者のための事前提出ツールとしてのPATのパイロット展開は、重大なエラーを識別する能力を示している。 PATは、レビュープロセスの結果をコントロールしながら、レフェリーに置かれる認知的負担を軽減する。
• 参考スコア（独自算出の注目度）: 43.64244794415017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence is driving a revolution in scientific discovery, accelerating everything from hypothesis generation to mathematical theorem proving. However, this rapid acceleration is creating a systemic challenge: traditional human peer review cannot scale to match the influx of AI-assisted science. Ultimately, to resolve this tension, we must also deploy AI to accelerate the verification and review process itself. To frame the discussion around this transition, we propose a taxonomy consisting of four progressive levels of AI-human collaboration in scientific evaluation, and discuss various trade-offs involved with each. As a step toward this future, we introduce the Paper Assistant Tool (PAT), an agentic AI framework built for deep scientific review and verification. PAT ingests full scientific manuscripts and produces a comprehensive evaluation, checking theoretical results, validating experiments, suggesting improvements, and identifying potential flaws. By utilizing inference scaling techniques, PAT is able to identify deeper issues than a single model call alone, achieving a 34% improvement over zero-shot recall on mathematical errors in the SPOT benchmark. Pilot deployments of PAT as a pre-submission tool for authors at two major Computer Science conferences -- STOC and ICML -- demonstrate its ability to identify critical errors and suggest substantive improvements to research papers. By catching errors early, PAT eases the cognitive burden placed on referees, while preserving their control over the outcomes of the review process.
• Abstract（参考訳）: 人工知能は科学的発見の革命を加速させ、仮説生成から数学的定理の証明まで、あらゆることを加速させている。 しかし、この急激な加速は体系的な課題を生み出している。従来の人間のピアレビューは、AI支援科学の流入に合わせてスケールできない。 最終的に、この緊張を解消するためには、検証とレビュープロセス自体を高速化するためにAIをデプロイする必要があります。 この移行に関する議論の枠組みとして、科学的な評価において、AIと人間の協力の進歩的な4つのレベルからなる分類法を提案し、それぞれに関わる様々なトレードオフについて議論する。 この未来への一歩として、深層科学的レビューと検証のために構築されたエージェントAIフレームワークであるPaper Assistant Tool (PAT)を紹介する。 PATは完全な科学的写本を取り込み、包括的な評価、理論的結果の検証、実験の検証、改善の提案、潜在的な欠陥の特定を行う。 推論スケーリング技術を利用することで、SPOTベンチマークのゼロショットリコールよりも34%改善され、単一のモデルコール単独よりも深い問題を特定することができる。 主要な2つのコンピュータサイエンスカンファレンス(STOCとICML)の著者のための事前提出ツールとしてのPATのパイロット展開は、重大なエラーを識別し、研究論文に実質的な改善を提案する能力を示している。 早期にエラーをキャッチすることにより、PATはレビュープロセスの結果をコントロールしながら、レフェリーに置かれる認知的負担を緩和する。

関連論文リスト

• PaperDoctor: Evidence-Grounded and Actionable Feedback for Scientific Papers in Progress [130.58520199343707]
  PaperDoctorは,3つの重要なイノベーションを備えた,サブミッション前のフィードバックのためのエージェントフレームワークである。 まず、全体論的階層的なフレームワークは、書き込み、レイアウト、参照、コード、理論、先行作業、実験を評価します。 第二に、各発見には、観察、文、方程式、コードラインなどの特定の証拠へのポインタ、修正提案が含まれる。 第3に、PaperDoctorはクレームの重要性と計算予算に基づいて実験を選択的に再構築し、再実行する。
  論文  参考訳（メタデータ） (2026-09-15T11:08:11Z)
• Gaming AI-Assisted Peer Reviews Poses New Risks to the Scientific Community [33.39468805524881]
  AIによるピアレビューは、単純で低コストな操作に対して脆弱であることを示す。 これは、人書きとAI生成の両方の論文のために、規律と出版の場にまたがって見られます。 以上の結果から,AIツールを中性評価対象として扱うべきではないことが示唆された。
  論文  参考訳（メタデータ） (2026-06-08T20:38:06Z)
• 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)
• The Story is Not the Science: Execution-Grounded Evaluation of Mechanistic Interpretability Research [56.80927148740585]
  我々は、動的に進化し、研究評価者としてAIエージェントを開発することで、スケーラビリティと厳密さの課題に対処する。 我々は,機械的解釈可能性の研究をテストベッドとして使用し,標準化された研究成果を構築し,MechEvalAgentを開発した。 我々の研究は、AIエージェントが研究評価を変革し、厳格な科学的実践の道を開く可能性を実証している。
  論文  参考訳（メタデータ） (2026-02-05T19:00:02Z)
• AIssistant: An Agentic Approach for Human--AI Collaborative Scientific Work on Reviews and Perspectives in Machine Learning [2.464267718050055]
  ここでは、AIssistantを用いた最初の実験を、機械学習の研究論文の視点とレビューのために提示する。 本システムでは,文学,セクションワイド実験,引用管理,自動文書生成のためのモジュールツールとエージェントを統合している。 その効果にもかかわらず、幻覚的引用、動的紙構造への適応の困難、マルチモーダルコンテンツの不完全統合など、重要な制限を識別する。
  論文  参考訳（メタデータ） (2025-09-14T15:50:31Z)
• Automatic Reviewers Fail to Detect Faulty Reasoning in Research Papers: A New Counterfactual Evaluation Framework [55.078301794183496]
  我々は、高品質なピアレビューを支えるコアレビュースキル、すなわち欠陥のある研究ロジックの検出に注力する。 これは、論文の結果、解釈、クレームの間の内部の一貫性を評価することを含む。 本稿では,このスキルを制御条件下で分離し,テストする,完全自動対物評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-29T08:48:00Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)

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。