論文の概要: Internalizing Academic Writing Workflows for Introduction Generation via Struct-Aware Policy Learning

• arxiv url: http://arxiv.org/abs/2608.03138v1
• Date: Tue, 04 Aug 2026 05:06:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:23.041059
• Title: Internalizing Academic Writing Workflows for Introduction Generation via Struct-Aware Policy Learning
• Title（参考訳）: 構造を考慮した政策学習による導入のための学術書記ワークフローの内在化
• Abstract要約: StructPOは構造対応のポリシー学習フレームワークで、多段階書き込みワークフロー全体を単一パスポリシーに内部化する。 実験により、StructPOはワークフローベースのベースラインよりもセマンティックアライメント、構造的合理性、推論効率を改善することが示された。
• 参考スコア（独自算出の注目度）: 3.3909586818818434
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Generating a rigorous paper introduction with large language models (LLMs) remains challenging, since it requires coordinating background, gap identification, method and contribution within a coherent narrative. Existing solutions externalize this process as multi-stage prompts or agent workflows which are expensive and vulnerable to cross-stage drift. We propose StructPO, a struct-aware policy learning framework that internalizes the entire multi-stage writing workflow into a single-pass policy controlled by explicit stage tokens. StructPO introduces struct-aware credit assignment to decouple local stage quality from global coherence and refinement-guided optimization to internalize revision behavior into the first-pass policy. Experiments show that StructPO improves semantic alignment, structural rationality and inference efficiency over workflow-based baselines, generalizes to out-of-domain settings, and remains competitive with GPT-5.1 in human evaluation when scaled to Qwen3-32B. These results show that internalizing academic writing workflows through fine-grained policy optimization offers a viable alternative to costly external orchestration.
• Abstract（参考訳）: 大規模言語モデル(LLM)を用いた厳密な論文の導入は、一貫性のある物語の中で背景、ギャップの識別、方法、貢献を調整する必要があるため、依然として困難である。 既存のソリューションは、このプロセスを多段階のプロンプトやエージェントワークフローとして外部化し、そのワークフローは高価で、クロスステージドリフトに対して脆弱である。 我々は,StructPOを提案する。StructPOは,多段階書き込みワークフロー全体を,明示的なステージトークンによって制御された単一パスポリシーに内部化する,構造対応のポリシー学習フレームワークである。 StructPOは、局所的なステージ品質をグローバルコヒーレンスと改善誘導最適化から切り離し、リビジョン動作をファーストパスポリシーに内部化するための構造対応クレジットアサインを導入している。 実験により、StructPOはワークフローベースのベースラインよりもセマンティックアライメント、構造的合理性、推論効率を改善し、ドメイン外の設定に一般化し、Qwen3-32Bにスケールした場合の人間の評価において、GPT-5.1と競合し続けることが示された。 これらの結果は、詳細なポリシー最適化による学術書記ワークフローの内在化が、コストのかかる外部オーケストレーションの代替となることを示している。

関連論文リスト

• Zero-Shot Instruction Following in RL via Structured LTL Representations [50.41415009303967]
  マルチタスク強化学習では、エージェントが訓練中に見えない新しいタスクをゼロショットで実行しなければならない。 この設定では、最近、時間的に拡張された構造化タスクを特定するための強力なフレームワークとして線形時間論理が採用されている。 既存のアプローチはジェネラリストの政策を訓練することに成功しているが、仕様に固有のリッチな論理的・時間的構造を効果的に捉えるのに苦労することが多い。
  論文  参考訳（メタデータ） (2026-02-15T23:22:50Z)
• PaperScout: An Autonomous Agent for Academic Paper Search with Process-Aware Sequence-Level Policy Optimization [11.080060663295072]
  PaperScoutは、紙検索をシーケンシャルな意思決定プロセスとして再構成する自律エージェントである。 プロセス対応のシーケンスレベルポリシー最適化手法であるPSPO(Proximal Sequence Policy Optimization)を導入する。 合成と実世界のベンチマークの実験では、PaperScoutはワークフロー駆動の強いベースラインとRLベースラインをリコールと関連の両方で大幅に上回っている。
  論文  参考訳（メタデータ） (2026-01-15T03:21:21Z)
• Modular Prompt Optimization: Optimizing Structured Prompts with Section-Local Textual Gradients [0.8604557306886812]
  本稿では,プロンプトを固定的なセマンティックセクションで構成される構造化オブジェクトとして扱うスキーマベースのプロンプト最適化フレームワークを提案する。 LLaMA-3 8B-Instruct と Mistral-7B-Instruct をソルバモデルとして用いて, ARC-Challenge と MMLU の2つの推論ベンチマークでMPOを評価した。
  論文  参考訳（メタデータ） (2026-01-07T16:20:08Z)
• Struc-EMB: The Potential of Structure-Aware Encoding in Language Embeddings [16.728984584960738]
  本稿では,構造認識テキストの埋め込み生成のための新しいパラダイムを,体系的に導入し,評価する。 本稿では,逐次連結と並列キャッシングという2つのプロセス内手法について検討する。 並列キャッシングは、長い高信号のコンテキストに対してより効果的にスケールするが、気晴らしにはより敏感である。
  論文  参考訳（メタデータ） (2025-10-09T19:45:54Z)
• Generating Structured Plan Representation of Procedures with LLMs [5.623006055588189]
  本稿では,SOPを構造化表現に変換する新しい手法であるSOPStructuringを紹介する。 SOPStructは、異なるドメインにわたるSOPの標準化された表現を生成し、認知負荷を低減し、ユーザの理解を改善する。 我々の研究は、プロセスモデリングを合理化するために、大規模言語モデルの変換可能性を強調します。
  論文  参考訳（メタデータ） (2025-03-28T22:38:24Z)
• GuARD: Effective Anomaly Detection through a Text-Rich and Graph-Informed Language Model [24.237978616229707]
  テキストリッチグラフ上の異常検出は、不正に割り当てられた学術論文を著者に検出したり、ソーシャルネットワーク内のボットを検出するなど、現実の世界で広く普及している。 本稿では,テキストリッチおよびグラフインフォームド言語モデルであるGuARDについて紹介する。このモデルでは,グラフベースの手法から重要な構造的特徴と,テキストリッチグラフ上での効果的な異常検出のために,小さな言語モデルを用いて抽出したきめ細かなセマンティック属性を結合する。
  論文  参考訳（メタデータ） (2024-12-05T07:12:53Z)
• Pointer-Guided Pre-Training: Infusing Large Language Models with Paragraph-Level Contextual Awareness [3.2925222641796554]
  ポインター誘導セグメントオーダリング(SO)は,段落レベルのテキスト表現の文脈的理解を高めることを目的とした,新しい事前学習手法である。 実験の結果,ポインタ誘導型事前学習は複雑な文書構造を理解する能力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） (2024-06-06T15:17:51Z)
• Document Structure in Long Document Transformers [64.76981299465885]
  長い文書は、しばしばセクションヘッダーや段落のような異なる機能で階層的に整理された要素を持つ構造を示す。 文書構造の不明瞭さにもかかわらず、自然言語処理(NLP)におけるその役割はいまだに不透明である。 長期文書変換モデルは事前学習中に文書構造の内部表現を取得するか? 事前トレーニング後に構造情報をモデルに伝達するにはどうすればよいのか、下流のパフォーマンスにどのように影響するのか?
  論文  参考訳（メタデータ） (2024-01-31T08:28:06Z)
• PARL: A Unified Framework for Policy Alignment in Reinforcement Learning from Human Feedback [106.63518036538163]
  我々は、強化学習におけるポリシーアライメントの最近強調された重要な問題に対処するために、新しい統合された二段階最適化ベースのフレームワーク、textsfPARLを提案する。 本フレームワークは, 上向きの目標(逆設計)の分布を, 下向きの最適変数で明示的にパラメータ化することにより, これらの問題に対処する。 その結果,提案したtextsfPARL が RL のアライメントの懸念に対処できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-08-03T18:03:44Z)
• StructGPT: A General Framework for Large Language Model to Reason over Structured Data [117.13986738340027]
  我々は,構造化データに基づく質問応答タスクの解法として,emphIterative Reading-then-Reasoning(IRR)アプローチを開発した。 提案手法はChatGPTの性能を大幅に向上させ,全データの教師付きベースラインに対して同等のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-05-16T17:45:23Z)
• StrAE: Autoencoding for Pre-Trained Embeddings using Explicit Structure [5.2869308707704255]
  StrAEは構造化オートエンコーダフレームワークであり、明示的な構造に厳格に固執することで、マルチレベル表現の効果的な学習を可能にする。 本研究の結果は,入力として提供される構造に直接的な関連性があることを示し,既存のツリーモデルではそうではないことを示す。 次に、StrAEを拡張して、単純なローカライズ・マージアルゴリズムを用いてモデルが独自の構成を定義する。
  論文  参考訳（メタデータ） (2023-05-09T16:20:48Z)
• Autoregressive Structured Prediction with Language Models [73.11519625765301]
  本稿では, PLM を用いた自己回帰的手法を用いて, モデル構造を行動列として記述する。 我々のアプローチは、私たちが見てきた全ての構造化予測タスクにおいて、新しい最先端を実現する。
  論文  参考訳（メタデータ） (2022-10-26T13:27:26Z)
• Guiding the PLMs with Semantic Anchors as Intermediate Supervision: Towards Interpretable Semantic Parsing [57.11806632758607]
  本稿では,既存の事前学習言語モデルを階層型デコーダネットワークに組み込むことを提案する。 第一原理構造をセマンティックアンカーとすることで、2つの新しい中間管理タスクを提案する。 いくつかのセマンティック解析ベンチマークで集中的な実験を行い、我々のアプローチがベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2022-10-04T07:27:29Z)
• Unsupervised Domain Adaptation for Image Classification via Structure-Conditioned Adversarial Learning [70.79486026698419]
  Unsupervised Domain Adapt (UDA) は、典型的には、ラベルリッチなソースドメインから非ラベル付きターゲットドメインへの知識転送を、逆学習によって行う。 ドメイン分散アライメント中にクラス内コンパクト性を維持することができる、エンドツーエンドの構造条件付き対人学習スキーム(SCAL)を提案する。
  論文  参考訳（メタデータ） (2021-03-04T03:12:54Z)

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。