論文の概要: Toward Auto-Research: Mining Falsifiable Research Ideas from Paper Knowledge Graphs with Categorical Structure
- arxiv url: http://arxiv.org/abs/2608.20361v1
- Date: Wed, 17 Jun 2026 15:52:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.281693
- Title: Toward Auto-Research: Mining Falsifiable Research Ideas from Paper Knowledge Graphs with Categorical Structure
- Title（参考訳）: 自動研究に向けて:カテゴリー構造を持つ紙知識グラフからFalsible Research Ideasをマイニングする
- Abstract要約: アイデアの3つのアプローチは同じ方法で失敗する: それぞれが紙を平らな対象、文字列またはベクトルとして扱う。
我々は,このモデルを,分類シグネチャクラスタリング,関手保存ゲート,6軸LCM可視性判定という3層アルゴリズムとしてインスタンス化する。
- 参考スコア（独自算出の注目度）: 20.481096196724398
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated research-idea generation systems built on large language models (LLMs) share a structural weakness: they reduce ideation to free-text recombination, random paper pairing, or embedding-similarity retrieval. The three approaches fail in the same way: each treats a paper as a flat object, a string or a vector, and so quotients away the typed problem-method-metric-claim arrows a researcher actually uses when reasoning about a cross-domain analogy. We recover the missing structure with the minimal piece of category theory that a typed graph alone does not provide: composition, together with identity arrows, which makes it possible to ask whether a proposed analogy preserves relation chains. Concretely, each paper $p$ is modelled as a small category $C_p$ whose objects are extracted typed research entities and whose morphisms are the relations the paper asserts; a cross-paper bridge from $p$ to $q$ is then a partial functor candidate $F: C_p -> C_q$ that preserves object kinds and covered relation classes. We instantiate the model as a three-layer algorithm: categorical signature clustering, a functor-preservation gate, and a six-axis LLM plausibility judge. Evaluated on a corpus of tens of thousands of full-text-parsed papers under four ablation conditions, the categorical gate filters cross-domain candidates at roughly a 17:1 ratio while the quantitative-falsifier rate of accepted ideas stays above 83% throughout; every rejected candidate is retained with its per-axis rationale, so the gate doubles as a logging layer rather than a silent filter.
- Abstract（参考訳）: 大規模言語モデル(LLM)上に構築された自動研究イデア生成システムは構造的弱点を共有している。
3つのアプローチは同じ方法で失敗する: それぞれが紙を平らな物体、弦またはベクトルとして扱い、したがって研究者がクロスドメインのアナロジーを推論する際に実際に使用する、タイプ付き問題メソドメトリフティング矢印を除外する。
我々は、型付きグラフだけでは提供できない最小限の圏論により、欠落構造を回復する:構成、アイデンティティアローと共に、提案されたアナロジーが関係連鎖を保存するかどうかを問うことができる。
具体的には、各論文$p$は、対象が型付けされた研究エンティティから抽出され、同型が論文が主張する関係である小さなカテゴリ$C_p$としてモデル化される:$p$から$q$までのクロスペーパーブリッジは、対象の種類と被覆関係クラスを保存する部分的関手候補$F: C_p -> C_q$である。
我々は,このモデルを,分類シグネチャクラスタリング,関手保存ゲート,6軸LCM可視性判定という3層アルゴリズムとしてインスタンス化する。
4つのアブレーション条件下で数万のフルテキストパーシング論文のコーパスで評価され、カテゴリゲートフィルタはクロスドメイン候補を約17:1の比率で比較する一方、受け入れられたアイデアの量的ファルシファイアレートは83%以上にとどまる。
関連論文リスト
- Does Syntax Matter? A Graph-Augmented Variational Topic Model for Computational Social Sciences [51.56484100374058]
本稿では、構文依存関係をトピック推論に組み込んだアーキテクチャである、構造的文脈確率的トピックモデル(SCPTM)を紹介する。
本研究では,レジスタ構造と談話構造が異なる4つのコーパスのトピックモデリング手法について検討した。
その結果, SCPTMのニューラルアーキテクチャは, 生成的ベースラインよりも文書・トピックアライメントが著しく向上していることが示唆された。
論文 参考訳（メタデータ） (2026-09-07T17:39:06Z) - Codebook Agent: Amortized Topology Design for LLM Multi-Agent Systems [67.04448659688579]
クエリ非依存の16エントリのコードブックを開発し、上位のデコード候補を1回のバッチフォワードパスでランク付けする。
反復検索がなく、テスト時にメッセージパッシングがないため、Codebook Agentは6つのベンチマークでもっとも正確な方法である。
論文 参考訳（メタデータ） (2026-09-02T08:10:22Z) - An Ontology-Guided, Deduplication-Aware Extraction Layer for Knowledge Graph Construction from Heterogeneous Documents [0.0]
本稿では,ライブドキュメントストリームを形式オントロジーに整合した検証済み知識グラフに変換する生産抽出層の設計,実装,実証的改良について述べる。
類似性を埋め込み、抽出プロンプトに注入することにより、キュレートしたオントロジーの関連スライスをグラフデータベースからライブで検索する。
抽出された結果は、決定論的クリーニング、チャンクのマージ、リレーションのための2番目のパス、モデル推論を必要としない6つの重複アルゴリズム、コンフリクトガードが類似性スコアをオーバーライドできない埋め込み分解サブシステムという5つのステージの洗練パイプラインを通過します。
論文 参考訳（メタデータ） (2026-07-22T09:45:26Z) - Reading Between the Citations: A Typed Claim Network for Scientific Literature [6.6267663941512005]
学術的な相互参照文書のコーパスに適用可能な建設パイプラインを提供する。
我々はこれを3Dポイントクラウドセマンティックセマンティックセグメンテーションで127の論文のコーパスでインスタンス化し、8,260の型付きクレームのネットワークを生成する。
標準の検索・拡張生成(RAG)ベースラインに対するヘッド・ツー・ヘッド評価は、フラット検索よりも利得が、間違ったものよりも正しい中間表現から得ていることを示している。
論文 参考訳（メタデータ） (2026-05-29T08:02:45Z) - Eliot: Interactively $\underline{E}$xploring Fast-Changing Scientific $\underline{Li}$terature Trends with $\underline{O}$nline Da$\underline{t}$a and Learning [8.908016246200427]
$texttEliot$は、進化する文献のトレース可能な探索のためのインタラクティブシステムである。
クエリ時にarXiv文書を検索し、タイトルと抽象によって各論文を表現し、コーパスをテーマにクラスタ化し、各クラスタの公開年分布を視覚化する。
$texttEliot$は、急速に変化する技術分野の監査可能な概要に最も価値がある。
論文 参考訳（メタデータ） (2026-05-26T19:25:43Z) - Lightweight Query Routing for Adaptive RAG: A Baseline Study on RAGRouter-Bench [0.0]
ベンチマーク RAG-Bench citepwang2026ragrouterbench を用いた軽量分類器に基づくルーティングの体系的評価を行った。
SVMを使用したTF-IDFは、$mathbf0.928$のマクロ平均F1と$mathbf93.2%$の精度を実現し、$mathbf28.1%のトークンセーブをシミュレートします。
論文 参考訳（メタデータ） (2026-04-03T20:58:00Z) - Unifying Tree Search Algorithm and Reward Design for LLM Reasoning: A Survey [92.71325249013535]
線形木探索はLarge Language Model (LLM) 研究の基盤となっている。
本稿では,検索アルゴリズムを3つのコアコンポーネントに分解する統合フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-11T03:29:18Z) - Chain of Retrieval: Multi-Aspect Iterative Search Expansion and Post-Order Search Aggregation for Full Paper Retrieval [68.71038700559195]
The Chain of Retrieval (COR) is a novel repeaterative framework for full-paper search。
SCIBENCH(SCIBENCH)は、クエリと候補のための全論文の完全なコンテキストとセグメント化されたコンテキストを提供するベンチマークである。
論文 参考訳（メタデータ） (2025-07-14T08:41:53Z) - SparseCL: Sparse Contrastive Learning for Contradiction Retrieval [87.02936971689817]
コントラディション検索(Contradiction Search)とは、クエリの内容に明示的に異を唱える文書を識別し、抽出することである。
類似性探索やクロスエンコーダモデルといった既存の手法には、大きな制限がある。
文間の微妙で矛盾したニュアンスを保存するために特別に訓練された文埋め込みを利用するSparseCLを導入する。
論文 参考訳（メタデータ） (2024-06-15T21:57:03Z) - Knowledge Base Question Answering by Case-based Reasoning over Subgraphs [81.22050011503933]
本モデルでは,既存のKG補完アルゴリズムよりも複雑な推論パターンを必要とする問合せに対して,より効果的に答えることを示す。
提案モデルは、KBQAベンチマークの最先端モデルよりも優れているか、競合的に動作する。
論文 参考訳（メタデータ） (2022-02-22T01:34:35Z) - Towards Universal Dense Retrieval for Open-domain Question Answering [0.0]
オープンドメイン質問応答では、モデルが入力としてテキスト質問を受け取り、大きなエビデンスコーパスを使用して正しい回答を検索する。
最近では、デファクト検索法としてスパース法が置き換えられている。
論文 参考訳（メタデータ） (2021-09-23T00:43:01Z)
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。