論文の概要: AutoSynthesis: An agentic system for automated meta-analysis
- arxiv url: http://arxiv.org/abs/2607.15247v1
- Date: Thu, 16 Jul 2026 17:45:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:33.199821
- Title: AutoSynthesis: An agentic system for automated meta-analysis
- Title（参考訳）: AutoSynthesis: 自動メタ分析のためのエージェントシステム
- Abstract要約: 本稿では,自動メタ分析のためのエンドツーエンドマルチエージェントシステムであるAutoSynthesisを紹介する。
自然言語での研究質問が与えられたとき、AutoSynthesisは検索戦略を定式化し、科学文献を検索し、候補研究をスクリーニングし、全文の可読性を評価し、定量的統計を抽出し、標準化された効果サイズを計算し、最後にランダム効果のメタ分析を行う。
- 参考スコア（独自算出の注目度）: 29.353490196463138
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Evidence synthesis is crucial for turning primary research into reliable knowledge for science, medicine, education, and policy. Yet, quantitative evidence synthesis remains largely manual and difficult to scale. Here, we introduce AutoSynthesis, an end-to-end multi-agent system for automated meta-analysis. Given a research question in natural language, AutoSynthesis formulates a search strategy, retrieves scientific literature, screens candidate studies, assesses full-text eligibility, extracts quantitative statistics, computes standardized effect sizes, and finally performs random-effects meta-analysis. AutoSynthesis further supports heterogeneity analysis to examine how effect sizes vary across moderators, as well as risk-of-bias assessment. As output, AutoSynthesis produces a transparent report aligned with PRISMA guidelines. In our application, AutoSynthesis screened over 28 studies and extracted more than 20 quantitative claims. The pooled effect estimates produced by AutoSynthesis are similar to Hedges' $g$ of expert-conducted meta-analyses, indicating close agreement with manual evidence synthesis. Together, these results show that AutoSynthesis can make quantitative evidence synthesis more scalable, thereby supporting evidence-based decision-making across disciplines.
- Abstract（参考訳）: エビデンス合成は、科学、医学、教育、政策の信頼性の高い知識に一次研究を転換するために重要である。
しかし、定量的なエビデンス合成は主に手作業で行われており、スケールが困難である。
本稿では,自動メタ分析のためのエンドツーエンドマルチエージェントシステムであるAutoSynthesisを紹介する。
自然言語での研究質問が与えられたとき、AutoSynthesisは検索戦略を定式化し、科学文献を検索し、候補研究をスクリーニングし、全文の可読性を評価し、定量的統計を抽出し、標準化された効果サイズを計算し、最後にランダム効果のメタ分析を行う。
AutoSynthesisはさらに異質性分析をサポートし、効果の大きさがモデレーターによってどのように異なるか、またリスク・オブ・バイアスアセスメントもサポートする。
アウトプットとして、AutoSynthesisはPRISMAガイドラインに沿った透明なレポートを生成する。
適用例では,AutoSynthesisが28以上の研究をスクリーニングし,20以上の量的クレームを抽出した。
AutoSynthesisによって生成されたプール効果の見積もりは、Hedgesの専門家によるメタ分析の$g$と似ており、手動のエビデンス合成との密接な一致を示している。
これらの結果から,AutoSynthesisは定量的なエビデンス合成をよりスケーラブルにし,各分野におけるエビデンスに基づく意思決定を支援することが示唆された。
関連論文リスト
- AutoForest: Automatically Generating Forest Plots from Biomedical Studies with End-to-End Evidence Extraction and Synthesis [10.0612384634729]
AutoForestは、バイオメディカルペーパーから直接出版可能な森林区画を生成するエンドツーエンドシステムである。
1つ以上の研究論文が与えられたとき、AutoForestはICO(Intervention, Comparator, Outcome)要素を自動で提案し、結果データを抽出し、統計的合成を行い、最終的な森林プロットを描画する。
論文 参考訳（メタデータ） (2026-06-01T15:49:33Z) - AgentCAT: An LLM Agent for Extracting and Analyzing Catalytic Reaction Data from Chemical Engineering Literature [55.66036140125613]
本稿では,化学工学論文から触媒反応データを抽出し,解析する大規模言語モデル (LLM) エージェントであるAgentCATを提案する。
AgentCATは、化学工学分野における長年のデータボトルネックを克服する代替手段として機能する。
論文 参考訳（メタデータ） (2026-02-10T04:30:11Z) - DeepSynth-Eval: Objectively Evaluating Information Consolidation in Deep Survey Writing [53.85037373860246]
本稿では,情報統合能力を客観的に評価するためのベンチマークであるDeep Synth-Evalを紹介する。
一般チェックリスト(実例)と制約チェックリスト(構造体)を用いたきめ細かい評価プロトコルを提案する。
その結果,エージェント型プラン・アンド・ライトは単ターン生成よりも大幅に優れていた。
論文 参考訳（メタデータ） (2026-01-07T03:07:52Z) - ASBench: Image Anomalies Synthesis Benchmark for Anomaly Detection [32.99680725493585]
異常検出は製造品質管理において重要な役割を担っているが、その応用は限られた異常サンプルと手作業による注釈コストによって制限されている。
本稿では,異常合成法を評価するためのベンチマークフレームワークASBenchを提案する。
論文 参考訳（メタデータ） (2025-10-09T08:23:29Z) - Manalyzer: End-to-end Automated Meta-analysis with Multi-agent System [48.093356587573666]
メタアナリシス(Meta-analysis)は、複数の既存の研究からデータを合成し、包括的な結論を導き出す体系的な研究手法である。
伝統的なメタ分析は、文献検索、紙のスクリーニング、データ抽出を含む複雑な多段階パイプラインを含む。
本稿では,ツールコールによるエンドツーエンドの自動メタ分析を実現するマルチエージェントシステムManalyzerを提案する。
論文 参考訳（メタデータ） (2025-05-22T07:25:31Z) - Transforming Evidence Synthesis: A Systematic Review of the Evolution of Automated Meta-Analysis in the Age of AI [0.3441021278275805]
メタ分析の自動化は自然言語処理と機械学習によって実現されている。
発見によると、データ処理の自動化(57%)に重点を置いているが、高度な合成ステージには17%しか対応していない。
近年の大規模言語モデル(LLM)と高度なAIの進歩にもかかわらず、統計的モデリングと高次合成への統合はまだ未開発である。
論文 参考訳（メタデータ） (2025-04-28T00:40:17Z) - Empowering Meta-Analysis: Leveraging Large Language Models for Scientific Synthesis [7.059964549363294]
本研究では,大規模言語モデル(LLM)を用いた科学文献におけるメタアナリシスの自動化について検討する。
ビッグデータ処理と構造化データ抽出の課題に対処するため,LLMを広範囲の科学的データセットに微調整する新たなアプローチを提案する。
論文 参考訳（メタデータ） (2024-11-16T20:18:57Z) - SynthesizRR: Generating Diverse Datasets with Retrieval Augmentation [55.2480439325792]
トピック分類,感情分析,トーン検出,ユーモアの6つのデータセットの合成について検討した。
その結果,SynthesizRRは語彙や意味の多様性,人文との類似性,蒸留性能を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2024-05-16T12:22:41Z) - ChemMiner: A Large Language Model Agent System for Chemical Literature Data Mining [56.15126714863963]
ChemMinerは、文学から化学データを抽出するエンドツーエンドのフレームワークである。
ChemMinerには、コア参照マッピングのためのテキスト分析エージェント、非テキスト情報抽出のためのマルチモーダルエージェント、データ生成のための合成分析エージェントの3つの特殊エージェントが組み込まれている。
実験の結果,ヒト化学者に匹敵する反応同定率を示すとともに,高い精度,リコール,F1スコアで処理時間を著しく短縮した。
論文 参考訳（メタデータ） (2024-02-20T13:21:46Z) - Extracting Structured Seed-Mediated Gold Nanorod Growth Procedures from
Literature with GPT-3 [52.59930033705221]
1,137枚の紙から抽出した11,644個のエンティティのデータセットを作成した。
1,137枚の紙から抽出した11,644個のエンティティのデータセットを作成した。
論文 参考訳（メタデータ） (2023-04-26T22:21:33Z) - PcMSP: A Dataset for Scientific Action Graphs Extraction from
Polycrystalline Materials Synthesis Procedure Text [1.9573380763700712]
このデータセットは、実験段落から抽出された合成文と、エンティティの言及と文内関係を同時に含んでいる。
PcMSPコーパスの品質を保証する2段階の人間アノテーションとアノテーション間合意研究を行った。
本稿では,4つの自然言語処理タスクを紹介する。文分類,名前付きエンティティ認識,関係分類,エンティティと関係の合同抽出である。
論文 参考訳（メタデータ） (2022-10-22T09:43:54Z) - BeCAPTCHA-Type: Biometric Keystroke Data Generation for Improved Bot
Detection [63.447493500066045]
本研究では,キーストローク生体データ合成のためのデータ駆動学習モデルを提案する。
提案手法は,ユニバーサルモデルとユーザ依存モデルに基づく2つの統計的手法と比較する。
実験フレームワークでは16万件の被験者から1億3600万件のキーストロークイベントのデータセットについて検討している。
論文 参考訳（メタデータ） (2022-07-27T09:26:15Z) - RetroXpert: Decompose Retrosynthesis Prediction like a Chemist [60.463900712314754]
そこで我々は, テンプレートフリーな自動逆合成拡張アルゴリズムを考案した。
我々の方法はレトロシンセシスを2段階に分解する。
最先端のベースラインよりも優れている一方で、我々のモデルは化学的に合理的な解釈も提供する。
論文 参考訳（メタデータ） (2020-11-04T04:35:34Z)
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。