論文の概要: Revibing Code from Papers: Reimplementing HCI Artifacts

• arxiv url: http://arxiv.org/abs/2608.00450v2
• Date: Tue, 04 Aug 2026 02:35:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 13:15:27.417706
• Title: Revibing Code from Papers: Reimplementing HCI Artifacts
• Title（参考訳）: 論文からコードを取り除く:HCIアーティファクトを再実装
• Authors: Eytan Adar, Yoonjoo Lee, Nina Lei, Q. Vera Liao, Weirui Peng,
• Abstract要約: 我々は、インタラクティブなソフトウェアをリバイバルする新しいエージェントAI技術の可能性を実証する。 アプローチの成功を測定するために,再現性指標について述べる。
• 参考スコア（独自算出の注目度）: 31.5513342575475
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Software artifacts for most technical HCI research projects are unavailable. The lack of access to these imposes limits on academic knowledge production. It is difficult to: extend or reuse research artifacts; use strong baselines in evaluating follow-up work; and perform replication or reproducibility research. In this work, we demonstrate the potential of new agentic AI technologies to revibe interactive software: reimplement systems directly from research papers. To measure the success of the approach, we describe a revibeability metric. By revibing recent research papers from UIST, and interviewing their original authors, we demonstrate the plausibility (and limitations) of revibed system. The results are encouraging. In many cases producing code suitable for strong baseline use. We argue that this may represent a fundamental shift in how we produce, use, and evaluate research artifacts in the technical HCI community.
• Abstract（参考訳）: ほとんどの技術的HCI研究プロジェクトのソフトウェアアーティファクトは利用できない。 これらへのアクセスの欠如は、学術的知識生産に制限を課している。 研究成果物の拡張や再利用、フォローアップ作業の評価における強力なベースラインの使用、複製や再現性の研究の実施は難しい。 本研究では,対話型ソフトウェアを再構築する新たなエージェントAI技術の可能性を実証し,研究論文から直接システムを再実装する。 アプローチの成功を測定するために,再現性指標について述べる。 UISTの最近の研究論文を改訂し、原作者にインタビューすることで、リビッドシステムの妥当性(および限界)を実証する。 結果は励まされる。 多くの場合、強力なベースラインの使用に適したコードを生成する。 このことは、技術HCIコミュニティにおける研究成果物の作成、使用、評価の方法の根本的な変化を示す可能性がある、と私たちは主張する。

関連論文リスト

• ReproRepo: Scaling Reproducibility Audits with GitHub Repository Issues [54.98461672730087]
  ReproRepoは、人為的なGitHub問題を活用するスケーラブルな評価フレームワークで、現実的な再現ブロッカーを自然に監視する。 ReproRepoは、大規模なカンファレンスから1,149件の機械学習論文をインスタンス化し、4つのフロンティアモデルエージェント構成を評価します。 その結果, LLMエージェントは, コードを実行せずにも, 紙とリポジトリのペアから多くの実世界の問題を識別できることがわかった。
  論文  参考訳（メタデータ） (2026-06-16T17:58:05Z)
• AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
  研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。 我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。 障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
  論文  参考訳（メタデータ） (2026-05-18T17:08:26Z)
• AutoResearchBench: Benchmarking AI Agents on Complex Scientific Literature Discovery [55.70879973230979]
  AutoResearchBenchは、自律的な科学文献発見のためのベンチマークである。 エージェントWebブラウジングに関する以前のベンチマークと比較すると、AutoResearchBenchは研究指向である。 最も強力なLCMでさえ、BrowseCompのような一般的なエージェントによるWebブラウジングベンチマークをほとんど征服したにもかかわらず、Deep Researchでは9.39%、Wide Researchでは9.31%の精度しか達成していない。
  論文  参考訳（メタデータ） (2026-04-28T06:05:17Z)
• SoK: From Silicon to Netlist and Beyond $-$ Two Decades of Hardware Reverse Engineering Research [5.914471577927024]
  ハードウェアリバースエンジニアリング(HRE)は、セキュリティ保証の基礎となっている。 HREは設計検証、サプライチェーン保証、脆弱性発見など、重要なセキュリティアプリケーションを可能にする。 本稿では、187冊の査読論文の詳細な分析に基づく知識の体系化について述べる。
  論文  参考訳（メタデータ） (2026-03-18T16:05:35Z)
• PaperSearchQA: Learning to Search and Reason over Scientific Papers with RLVR [64.22412492998754]
  我々は,1600万件のバイオメディカルペーパーを要約した検索コーパスを公開し,PaperSearchQAと呼ばれるファクトイックなQAデータセットを構築した。 我々は,この環境における検索エージェントを訓練し,非RL検索ベースラインを上回ります。 我々のデータ生成方法はスケーラブルで、他の科学領域にも容易に拡張できます。
  論文  参考訳（メタデータ） (2026-01-26T06:46:16Z)
• Executable Knowledge Graphs for Replicating AI Research [65.41207324831583]
  Executable Knowledge Graphs (xKG) は、科学文献から抽出された技術的洞察、コードスニペット、ドメイン固有の知識を自動的に統合するモジュラーでプラグイン可能な知識基盤である。 コードはhttps://github.com/zjunlp/xKGでリリースされる。
  論文  参考訳（メタデータ） (2025-10-20T17:53:23Z)
• Can LLMs Generate Tabular Summaries of Science Papers? Rethinking the Evaluation Protocol [83.90769864167301]
  文献レビュー表は、科学論文の集合を要約し比較するために欠かせないものである。 学術論文の収集にあたり,ユーザの情報ニーズを最大限に満たす表を作成するタスクについて検討する。 我々の貢献は、現実世界で遭遇する3つの重要な課題に焦点を当てている: (i)ユーザープロンプトは、しばしば未特定である; (ii)検索された候補論文は、しばしば無関係な内容を含む; (iii)タスク評価は、浅いテキスト類似性技術を超えて進むべきである。
  論文  参考訳（メタデータ） (2025-04-14T14:52:28Z)
• LitLLM: A Toolkit for Scientific Literature Review [15.785989492351684]
  本稿では,RAG(Retrieval Augmented Generation)の原理に基づくツールキットを提案する。 本システムはまず,関連論文を検索するWeb検索を開始する。 第2に、ユーザが提供する抽象化に基づいて、検索した論文を再ランクする。 第3に、再ランクされた結果と要約に基づいて、関連する作業部を生成する。
  論文  参考訳（メタデータ） (2024-02-02T02:41:28Z)
• A Survey of Learning-based Automated Program Repair [12.09968472868107]
  自動プログラム修復(APR)は、ソフトウェアバグを自動修正することを目的としており、ソフトウェア開発とメンテナンスにおいて重要な役割を果たす。 近年のディープラーニング(DL)の進歩により、ニューラルネットワークを活用して大規模なオープンソースコードリポジトリからバグフィックスパターンを学ぶためのAPR技術が増えている。 本稿では,学習型APRコミュニティにおける最先端研究を要約するために,体系的な調査を行う。
  論文  参考訳（メタデータ） (2023-01-09T11:08:15Z)
• A Systematic Literature Review on the Use of Deep Learning in Software Engineering Research [22.21817722054742]
  ソフトウェア開発タスクを自動化するために、ソフトウェア工学(SE)研究者が採用するテクニックのセットが、ディープラーニング(DL)の概念に根ざしている。 本稿では,SE & DLの交差点における研究の体系的な文献レビューを行う。 我々は、機械学習技術の特定の問題領域への適用を規定する一連の原則である学習の構成要素を中心に分析を行う。
  論文  参考訳（メタデータ） (2020-09-14T15:28:28Z)

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。