論文の概要: Citing Less Critically: LLMs Reshape the Rhetoric and Reach of Scientific Citation

• arxiv url: http://arxiv.org/abs/2609.01432v1
• Date: Tue, 01 Sep 2026 15:42:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.825377
• Title: Citing Less Critically: LLMs Reshape the Rhetoric and Reach of Scientific Citation
• Title（参考訳）: LLMは科学的なシチュエーションのレトリックとリーチを再構築する
• Abstract要約: 大型言語モデル (LLM) は、科学的な記述を補助する。 LLMは人間よりも極めて少ない。 LLMは、より社会的に離れた著者を引き合いに出している。
• 参考スコア（独自算出の注目度）: 7.070925783647859
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scientific citations carry rhetorical intent. Scholars may cite prior work positively (supporting), negatively (contrasting), or neutrally (mentioning). As large language models (LLMs) increasingly assist scientific writing, whether they reproduce citations with the same rhetorical intent as humans remains unclear. We introduce a masked-citation task to compare human and LLM-generated citation behavior. For each citation context, an LLM generates a replacement citation sentence, producing a counterfactual corpus directly comparable to human citation. We analyze what, whom, and how models cite, using an LLM-as-a-judge to classify citation intent and a 20-million-edge coauthorship network to measure social distance between cited authors. Across six popular LLMs and 1,746 top NLP conference papers (63k+ contexts, 132k+ citations), three patterns emerge: (1) Compared with human citation, LLMs cite significantly less critically; (2) LLMs over-cite popular and older papers, a tendency amplified for contrasting citations where human writing more often draws on recent, niche work; (3) Whereas humans often cite within their close social network, especially for supporting citations, LLMs tend to draw on more socially distant authors. Together, these differences are double-edged: LLM citation reaches beyond a scholar's close collaborators while being less critical and amplifying visibility bias, reshaping the rhetoric and reach of scientific citation.
• Abstract（参考訳）: 科学的引用は修辞的な意図を持っている。 学者は、事前の仕事を肯定的に(支持)、否定的に(対照的に)、中立的に(主張的に)引用することができる。 大きな言語モデル(LLM)が科学的な記述を補助するにつれて、人間と同じ修辞的意図で引用を再現するかどうかは不明なままである。 我々は,人間とLLMの生成した引用行動を比較するために,マスク付き引用タスクを導入する。 各引用コンテキストに対して、LLMは置換引用文を生成し、ヒトの引用に匹敵する対実コーパスを生成する。 引用意図を分類するためにLLM-as-a-judgeと2000万のエッジコオーサシップネットワークを使用して、引用された著者間の社会的距離を測定する。 1)ヒトの引用と比べ、LLMの引用は極めて少なく、(2)大衆や古い論文を過剰に引用する傾向にあるが、近年のニッチな作品に人間がよく登場する引用と対比する傾向にある;(3)人間が近しいソーシャルネットワークの中で引用する一方で、特に引用を支持するために、LLMはより社会的に離れた著者を引き付ける傾向にある。 LLMの引用は、研究者の緊密な協力者を超えて到達する一方で、批判的でなく、可視性バイアスを増幅し、修辞学と科学的な引用のリーチを再構築する。

関連論文リスト

• CRISP: Characterizing Relative Impact of Scholarly Publications [70.25915589244961]
  本稿では,大規模言語モデル(LLM)を用いた引用論文の中で,引用論文の全てを共同でランク付けするCRISPを提案する。 LLMの位置バイアスを軽減するために、ランダムな順序で各リストを3回ランク付けし、多数決によって影響ラベルを集約する。 CRISPは従来の最先端の衝撃分類器の精度を+9.5%、F1を+8.3%で上回っている。
  論文  参考訳（メタデータ） (2026-03-25T16:42:30Z)
• CiteAudit: You Cited It, But Did You Read It? A Benchmark for Verifying Scientific References in the LLM Era [51.63024682584688]
  大規模言語モデル (LLM) は新たなリスクを導入している。 本稿では,科学文献における幻覚的引用のための総合的なベンチマークおよび検出フレームワークについて紹介する。 我々のフレームワークは、精度と解釈可能性の両方において、先行手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-02-26T19:17:39Z)
• Aligning Large Language Model Behavior with Human Citation Preferences [45.80355133880463]
  本研究では,人間の引用嗜好と大規模言語モデル(LLM)の行動との関係について検討する。 以上の結果から,ヒトは医療用テキストの引用を最も多く求めており,より強いモデルは同様の傾向を示した。
  論文  参考訳（メタデータ） (2026-02-05T02:02:43Z)
• Citation Failure: Definition, Analysis and Efficient Mitigation [56.09968229868067]
  LLMベースのRAGシステムからの引用は、応答検証の簡略化を目的としている。 これは、モデルが有効な応答を生成するとき、引用失敗には当てはまらないが、完全な証拠を引用することができない。 応答自体に欠陥があり、完全な証拠を引用することは不可能である。
  論文  参考訳（メタデータ） (2025-10-23T07:47:22Z)
• How Deep Do Large Language Models Internalize Scientific Literature and Citation Practices? [1.130790932059036]
  論文の引用において,大規模言語モデル (LLM) がマシュー効果の強化に寄与していることが示唆された。 我々はGPT-4oが生成した274,951個の参照を1万件の論文に対して分析した。
  論文  参考訳（メタデータ） (2025-04-03T17:04:56Z)
• The Noisy Path from Source to Citation: Measuring How Scholars Engage with Past Research [20.649638393774048]
  本稿では,大規模な引用忠実度を定量化する計算パイプラインを提案する。 論文の全文を用いて、パイプラインは引用論文における引用と引用論文における対応するクレームを識別する。 準実験を用いて「電話効果」を確立する - 引用論文が原主張に忠実度が低い場合、引用論文と原文を引用する将来の論文は原文に忠実度が低い。
  論文  参考訳（メタデータ） (2025-02-27T22:47:03Z)
• SelfCite: Self-Supervised Alignment for Context Attribution in Large Language Models [51.90867482317985]
  SelfCiteは、生成されたレスポンスの文に対して、きめ細かい文レベルの引用を生成する、自己教師型アプローチである。 SelfCiteの有効性は、LongBench-Citeベンチマークにおいて、引用F1を5.3ポイントまで増やすことによって示される。
  論文  参考訳（メタデータ） (2025-02-13T18:55:13Z)
• When Large Language Models Meet Citation: A Survey [37.01594297337486]
  大規模言語モデル(LLM)は、対応するテキストコンテキストを介して詳細な引用情報を取得するのに役立つ。 キュリオシティはまた、科学論文間のつながりを確立し、高品質な文書間関係を提供する。 本稿では, 引用分類, 引用に基づく要約, 引用レコメンデーションを含む, テキスト内引用分析タスクへのLLMの適用について概説する。
  論文  参考訳（メタデータ） (2023-09-18T12:48:48Z)
• Towards generating citation sentences for multiple references with intent control [86.53829532976303]
  We build a novel generation model with the Fusion-in-Decoder approach to handlee with multiple long inputs。 実験により,提案手法は引用文を生成するためのより包括的な特徴を提供することが示された。
  論文  参考訳（メタデータ） (2021-12-02T15:32:24Z)
• Citations are not opinions: a corpus linguistics approach to understanding how citations are made [0.0]
  引用内容分析の重要な問題は、引用の異なるクラスを特徴付ける言語構造を見つけることである。 本研究では,分類済みの引用コーパスの大規模なサンプルから始めて,発声スマート引用データセットの各クラスから200万の引用を行う。 各引用型の比較表を生成することにより,引用型を特徴付ける興味深い言語特徴を多数提示する。
  論文  参考訳（メタデータ） (2021-04-16T12:52:27Z)

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。