論文の概要: Catalyst Papers in Artificial Intelligence Research: A Landscape on ICLR from 2017 to 2025

• arxiv url: http://arxiv.org/abs/2607.05401v1
• Date: Sun, 24 May 2026 05:52:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:12.985158
• Title: Catalyst Papers in Artificial Intelligence Research: A Landscape on ICLR from 2017 to 2025
• Title（参考訳）: 人工知能研究における触媒論文:2017年から2025年までのICLRのランドスケープ
• Abstract要約: OpenReviewは、ICLRの提出ごとに数値レビュアーのスコアを公開し、決定を受理/拒否する。 我々は,4つの破壊性指標(CD指数,ノード2vec,方向認識型エンベディング破壊性尺度(EDM))を比較し,5種類の触媒分類を定義した。
• 参考スコア（独自算出の注目度）: 5.523132953818281
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A small number of methodological contributions, including word2vec, the Transformer, large-scale pre-training, and reinforcement learning from human feedback, have reshaped NLP and AI research over the past decade. OpenReview now makes numeric reviewer scores and accept/reject decisions public for every ICLR submission. Whether such review signals identify trajectory-changing papers at submission time, however, remains untested at corpus scale. We answer this question on $36{,}113$ papers from ICLR 2017--2025, identifying \emph{catalysts}: papers whose descendants measurably redirect future research. We compare four disruptiveness measures (the Consolidation/Destabilization (CD) index, node2vec, the direction-aware Embedding Disruptiveness Measure (EDM), and an LLM-based semantic rater) and define a five-type operational catalyst taxonomy (topic initiator, topic bridge, within-topic redirector, simultaneous, and recognition-misaligned). EDM leads at identifying highly cited ICLR papers (AUC $0.83$ vs.\ $0.60$ for CD, $0.49$ for node2vec, and $0.42$ for the LLM rater). Topic initiators precede a $7.55{\times}$ topic-share growth and topic bridges precede an $11.52{\times}$ growth in cross-topic citation flow versus year-matched controls. We found that the peer review scores are essentially orthogonal to future disruptiveness ($|ρ|{\leq}0.005$; accepted and rejected papers have indistinguishable mean EDM, $p{=}0.11$).
• Abstract（参考訳）: word2vec、Transformer、大規模な事前学習、人間のフィードバックからの強化学習など、いくつかの方法論的な貢献は、過去10年間にNLPとAIの研究を再形成してきた。 OpenReviewは、ICLRの提出ごとに数値レビュアーのスコアを公開し、決定を受理/拒否する。 しかし、そのようなレビュー信号が提出時に軌道変更論文を識別するかどうかは、コーパススケールではまだ検証されていない。 ICLR 2017--2025 の 336{,}113$ の論文でこの疑問に答え、将来の研究を確実にリダイレクトする論文である \emph{catalysts} を特定した。 本研究では,4種類の破壊性指標(CD)指数,ノード2vec,方向認識型エンベディング破壊性尺度(EDM)およびLLMに基づくセマンティックレーダ)を比較し,5種類の触媒分類(トピック開始器,トピックブリッジ,トピック内リダイレクト,同時,認識ミスアライメント)を定義した。 EDMは、高度に引用されたICLR論文(AUC $0.83$ vs.)を識別する。 CDが0.60ドル、node2vecが0.49ドル、LCMが0.42ドル。 トピックイニシアチブは、トピックシェアの成長とトピックブリッジが11.52{\timesの前の7.55{\timesに先行する。 ピアレビュースコアは、本質的に将来の破壊性(|ρ|{\leq}0.005$; 受理および拒否された論文は、EDM、$p{=}0.11$)と区別できない平均値を持つ。

関連論文リスト

• Deep Academic Survey: Stateful Agentic Closed-Loop Paradigm for Academic Survey Automation [60.151050016855834]
  DASは出版指向の学術調査を作成するためのステートフルなエージェント・フレームワークである。 その鍵となる考え方は、再利用可能な紙分析とトピック固有の原稿構築を分離することである。 DASは4つの次元で最高点に達し、総合スコアは4.34であり、最強の競争相手は4.03である。
  論文  参考訳（メタデータ） (2026-08-18T17:29:00Z)
• Why Do Few-Step Text Latents Fail When Image Latents Work? Non-Commitment at Sharp Categorical Readouts [1.1760370831826417]
  滑らかで規則性に制限された決定論的写像は、シャープなカテゴリーの読み出しの前に離散的な分岐選択を解決できないことを示す。 実テキストオートエンコーダの重なり合う状態において、後平均終端ステップが決定境界の周囲に$O(s(t)$チューブで潜在質量の速度でトークンを反転させることを示す。
  論文  参考訳（メタデータ） (2026-06-29T14:20:57Z)
• The Sample Complexity of Multiclass and Sparse Contextual Bandits [106.74652380822778]
  我々は,包括的フィードバックに基づいて,与えられたクラスからほぼ最適なポリシーを特定することを目的とする。 ゼロ・ワンの報酬を伴うバンド型マルチクラス分類に動機付けられ、emph$s$-sparse設定に焦点をあてる。 我々は、$s$-sparseの報酬で、誘導モデルクラスは、$s$でスケールするシャープなDEC境界を認め、直接最適なレートを得ることを示す。
  論文  参考訳（メタデータ） (2026-05-28T09:12:20Z)
• Towards Human-Like Interactive Speech Recognition With Agentic Correction and Semantic Evaluation [53.844308305341166]
  単一パスのASRフロントエンドと意味的訂正,意図のルーティング,推論に基づく編集を組み合わせた閉ループフレームワークである textbfAgentic ASR を提案する。 複数言語、名前付き集中型、コードスイッチングベンチマークの実験は、反復的相互作用が意味的誤りを一貫して減少させることを示している。
  論文  参考訳（メタデータ） (2026-05-28T06:23:31Z)
• Frontier Lag: A Bibliometric Audit of Capability Misrepresentation in Academic AI Evaluation [0.0]
  テストモデルとEpoch AI能力指数の同時フロンティアを比較した。 これらの回答のギャップは、+5.53 ECI/年で拡大している。 提案されている改善には、APIアクセス助成金と報告フレームワークの編集執行が含まれる。
  論文  参考訳（メタデータ） (2026-05-05T17:58:35Z)
• Beating the Style Detector: Three Hours of Agentic Research on the AI-Text Arms Race [3.9508043303559828]
  実験的なNLP研究を再現するには数週間を要した。 全コード、648ドル(約6,800円)の原案、訓練された検出器、診断、および敵の軌道がリリースされている。
  論文  参考訳（メタデータ） (2026-05-04T14:10:41Z)
• ClaimFlow: Tracing the Evolution of Scientific Claims in NLP [67.23189226608389]
  NLP文献のクレーム中心のビューである$texttClaimFlow$を紹介します。 新しいタスク $-$$textitClaim Relation Classification$$-$を定義する。 我々の分析によると、63.5$%の請求は決して再利用されない。
  論文  参考訳（メタデータ） (2026-03-17T02:43:36Z)
• HindSight: Evaluating LLM-Generated Research Ideas via Future Impact [5.647839536820347]
  提案手法は,創発的アイデアと現実の出版物とをマッチングすることで,アイデアの質を評価するための時間分割評価フレームワークであるHindSightを紹介する。 時間的カットオフ$T$を用いて、アイデア生成システムをT$前の文献に制限し、その後30ヶ月で発行された論文に対して出力を評価する。 LLM-as-Judgeは、検索強化されたアイデア生成とバニラのアイデア生成の間に大きな違いは見つからない。
  論文  参考訳（メタデータ） (2026-03-16T11:59:24Z)
• Criterion-referenceability determines LLM-as-a-judge validity across physics assessment formats [0.01116979912801043]
  我々は、GPT-5.2、Grok 4.1、Claude Opus 4.5、DeepSeek-V3.2、Gemini Pro 3、および盲目、解答、偽解、そして模範的な条件下でのヒトマーカーに対する委員会集計を比較した。 n=771ドルのブラインド大学試験の質問に対して、モデルは差別的妥当性の強い分数平均絶対誤差(fMAE)$approx 0.22$を達成する。 $n=55$スクリプト全体において、盲目のAIマーキングは人間のマーキングよりも厳格で可変的であり、差別的妥当性はすでに貧弱である。
  論文  参考訳（メタデータ） (2026-03-16T02:09:06Z)
• Test-Time Strategies for More Efficient and Accurate Agentic RAG [58.44913384057518]
  Retrieval-Augmented Generation (RAG) システムは複雑なマルチホップ問題に直面している。 このような手法は、以前に処理された情報の反復的な検索を含む非効率性を導入することができる。 本稿では,これらの問題を軽減するために,サーチ-R1パイプラインに対するテスト時間修正について検討する。
  論文  参考訳（メタデータ） (2026-03-12T19:18:59Z)
• RPC-Bench: A Fine-grained Benchmark for Research Paper Comprehension [65.81339691942757]
  RPC-Bench(RPC-Bench)は、高品質なコンピュータサイエンス論文のレビュー・リビューの交換から構築された大規模質問応答ベンチマークである。 我々は、科学研究の流れに沿ったきめ細かい分類を設計し、モデルがなぜ、何、どのように学術的な文脈で質問するかを理解し、答える能力を評価する。
  論文  参考訳（メタデータ） (2026-01-14T11:37:00Z)
• Spectral Sentinel: Scalable Byzantine-Robust Decentralized Federated Learning via Sketched Random Matrix Theory on Blockchain [0.0]
  ビザンチンのクライアントは、不均一な(Non-IID)データの下での濃度勾配を中毒する。 本稿では,ビザンチン検出・集約フレームワークであるSpectral Sentinelを提案する。 Polygonネットワーク上でブロックチェーンを統合することで,完全なシステムを実現しています。
  論文  参考訳（メタデータ） (2025-12-14T09:43:03Z)
• WR-ONE2SET: Towards Well-Calibrated Keyphrase Generation [57.11538133231843]
  キーワード生成は、入力文書を要約する短いフレーズを自動的に生成することを目的としている。 最近登場したONE2SETパラダイムは、キーフレーズをセットとして生成し、競争性能を達成した。 本稿では, ONE2SET を拡張した WR-ONE2SET を提案する。
  論文  参考訳（メタデータ） (2022-11-13T09:56:24Z)

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。