論文の概要: The Future of NLP may not be at NLP Conferences: Scholarly Migration Patterns in Natural Language Processing

• arxiv url: http://arxiv.org/abs/2607.02416v2
• Date: Fri, 03 Jul 2026 16:31:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 13:04:58.580093
• Title: The Future of NLP may not be at NLP Conferences: Scholarly Migration Patterns in Natural Language Processing
• Title（参考訳）: NLPの未来はNLPカンファレンスにないかもしれない:自然言語処理におけるScholarly Migration Patterns
• Authors: David Jurgens,
• Abstract要約: 大規模言語モデル(LLM)の進歩は、NLPと一般機械学習(ML)の学際線を曖昧にしている。 これらの一般ML会場は、会場選択に影響を及ぼす重要な引用プレミアムを提示する。 これらの結果は、NLP研究の出版における大きな変化を示している。
• 参考スコア（独自算出の注目度）: 29.40998645688252
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Natural Language Processing (NLP) has traditionally been published in its core disciplinary venues like ACL. However, advances in Large Language Models (LLMs) has led to a blurring of the disciplinary lines between NLP and general Machine Learning (ML), with authors regularly publishing in venues from both fields. Here, we ask whether the disciplinary center of gravity is shifting. Using NLP research published from 2010 to 2026 and studies of both established and new authors, we find that a migration is taking place. First, comparing the pre- and post-LLM eras, established authors lost 19.2pp of share at flagship *ACL main-conference tracks while gaining 14.8pp in the newer Findings tracks, and general ML venues rose 8.6pp, even when adjusting for parallel growth in the fields. Second, among newer authors who debut with at least three first-author NLP-topic papers, the share whose work appears mostly at *ACL venues fell from 84% (2019) to 74% (2024), while the share appearing mostly at general ML venues rose from 5% to 21%. Using causal inference techniques, we estimate that these general ML venues confer a significant citation premium, which influences venue selection. Together, these results point to a significant shift in where NLP research is published.
• Abstract（参考訳）: 自然言語処理(NLP)は、伝統的にACLのような中核的なディシプリナの会場で公開されている。 しかし、LLM(Large Language Models)の進歩は、NLPと一般機械学習(General Machine Learning, ML)の学際的な線を曖昧にし、著者は両分野の会場で定期的に出版している。 ここでは、偏重中心がシフトしているかどうかを問う。 2010年から2026年にかけて発行されたNLP研究と、確立された著者と新著者の両方の研究から、移行が行われていることが判明した。 まず、LLM時代とポストLLM時代を比較して、フラッグシップの*ACLのメインカンファレンストラックで19.2ppのシェアを失い、新しいファインディングスのトラックでは14.8pp、一般のML会場は8.6ppに上昇した。 第2に、少なくとも3つの第一著者のNLPトピックス論文でデビューした新人作家のうち、*ACL会場での仕事のシェアは84%(2019年)から74%(2024年)に減少し、一般ML会場での活動のシェアは5%から21%に増加した。 因果推論手法を用いて、これらの一般ML会場は、会場選択に影響を与える重要な引用料を課すと推定する。 これらの結果は、NLP研究の出版における大きな変化を示唆している。

関連論文リスト

• Transforming Scholarly Landscapes: Influence of Large Language Models on Academic Fields beyond Computer Science [77.31665252336157]
  大規模言語モデル (LLM) は自然言語処理 (NLP) において転換期を迎えた。 本研究は,NLP以外の分野におけるLLMの影響と利用について実験的に検討する。
  論文  参考訳（メタデータ） (2024-09-29T01:32:35Z)
• Mapping the Increasing Use of LLMs in Scientific Papers [99.67983375899719]
  2020年1月から2024年2月にかけて、arXiv、bioRxiv、Natureのポートフォリオジャーナルで950,965の論文をまとめて、体系的で大規模な分析を行った。 計算機科学の論文では, LLMの使用が着実に増加し, 最大, 最速の成長が観察された。
  論文  参考訳（メタデータ） (2024-04-01T17:45:15Z)
• Monitoring AI-Modified Content at Scale: A Case Study on the Impact of ChatGPT on AI Conference Peer Reviews [51.453135368388686]
  本稿では,大規模言語モデル (LLM) によって実質的に修正あるいは生成される可能性のある大規模コーパスにおけるテキストの分数推定手法を提案する。 我々の最大可能性モデルは、専門家による参照テキストとAIによる参照テキストを利用して、コーパスレベルでの実世界のLLM使用を正確かつ効率的に検証する。
  論文  参考訳（メタデータ） (2024-03-11T21:51:39Z)
• NLLG Quarterly arXiv Report 09/23: What are the most influential current AI Papers? [21.68589129842815]
  米国はトップ40紙とトップ9k紙の両方で支配的であり、その後中国が続いた。 欧州は明らかに遅れており、最も引用された論文のトップ40にはほとんど掲載されていない。 米国の産業は、最も影響力のある40の論文で大半が誇張されている。
  論文  参考訳（メタデータ） (2023-12-09T21:42:20Z)
• Defining a New NLP Playground [85.41973504055588]
  最近の大規模言語モデルの性能の爆発により、自然言語処理の分野は80年の歴史の中で他のどの変化よりも突然かつ地震的に変化した。 本稿では、理論解析、新しい課題、学習パラダイム、学際的応用など、20以上の博士論文にふさわしい研究方向性を提案する。
  論文  参考訳（メタデータ） (2023-10-31T17:02:33Z)
• We are Who We Cite: Bridges of Influence Between Natural Language Processing and Other Academic Fields [30.550895983110806]
  自然言語処理の分野横断は減少している。 NLPの引用の8%以下は言語学に関するものである。 NLPの引用の3%以下は数学と心理学に関するものである。
  論文  参考訳（メタデータ） (2023-10-23T12:42:06Z)
• NLLG Quarterly arXiv Report 06/23: What are the most influential current AI Papers? [15.830129136642755]
  目的は、最も関連性があり広く議論されている研究のクイックガイドを提供することであり、新参者や確立された研究者が現在の傾向を振り返り続けるのを助けることである。 我々は2023年前半に,大規模言語モデル(LLM),特にChatGPTに関連する論文の優位性を観察した。 NLP関連の論文は、私たちのデータにはML関連の論文の2倍の数の論文があるにもかかわらず、最も影響力がある(トップ論文の約60%)。
  論文  参考訳（メタデータ） (2023-07-31T11:53:52Z)
• Geographic Citation Gaps in NLP Research [63.13508571014673]
  この研究は、地理的な位置と出版の成功との関係について一連の疑問を呈する。 われわれはまず,ACLアンソロジーから7万件の論文のデータセットを作成し,そのメタ情報を抽出し,引用ネットワークを生成した。 論文の受理や引用において地理的に大きな差異があるだけでなく,出版場所やNLPのサブフィールドなどの変数を制御しても,これらの格差は持続することを示す。
  論文  参考訳（メタデータ） (2022-10-26T02:25:23Z)

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。