論文の概要: The Emerging AI Paper-Review Arms Race: Adversarial Co-Evolution in Scholarly Publishing

• arxiv url: http://arxiv.org/abs/2609.07713v1
• Date: Mon, 07 Sep 2026 16:25:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.468998
• Title: The Emerging AI Paper-Review Arms Race: Adversarial Co-Evolution in Scholarly Publishing
• Title（参考訳）: 新進のAIペーパーレビューアームレース:学術出版における敵対的共進化
• Abstract要約: 生成AIとエージェントAIは、科学研究の制作と評価の両方を変えつつある。 これらの開発は、AIがどのように研究を生み出し、どのようにAIがそれをレビューできるかという疑問として、しばしば別々に研究されている。 この分離は、学術出版においてますます重要な特徴を欠いている、と我々は主張する。一方の変更は、他方のインセンティブ、制約、行動を変化させる。
• 参考スコア（独自算出の注目度）: 29.2504911117417
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative and agentic AI are reshaping both the production and evaluation of scientific research. These developments are often studied separately, as questions of how AI can produce research and how AI can review it. We argue that this separation misses an increasingly important feature of scholarly publishing: changes on one side alter the incentives, constraints, and behavior of the other. We synthesize 230 scholarly publications and institutional records using a taxonomy of six connected dynamics: production scaling, evaluation automation, evaluation manipulation, defense mechanisms and policy responses, evasion and side effects, and long-horizon ecosystem feedback. The literature shows an emerging progression in which cheaper and faster research production increases pressure on evaluation, AI-mediated evaluation becomes more scalable and repeatable, participants can exploit evaluator regularities, and institutions respond with technical safeguards and policy controls. These responses can in turn induce evasion, redistribute errors and workload, and shape the scholarly records reused by future research and evaluation systems. Evidence is strongest for production and evaluation at scale, reproducible manipulation, and institutional response, while post-policy adaptation and artifact-level long-horizon feedback remain less directly observed. This systems view shifts attention from isolated AI capabilities toward how scholarly actors and AI systems adapt to one another over time.
• Abstract（参考訳）: 生成AIとエージェントAIは、科学研究の制作と評価の両方を変えつつある。 これらの開発は、AIがどのように研究を生み出し、どのようにAIがそれをレビューできるかという疑問として、しばしば別々に研究されている。 我々は、この分離が学術出版においてますます重要な特徴を欠いていると論じる。一方の変更は、他方のインセンティブ、制約、行動を変化させる。 本研究では,生産スケーリング,評価自動化,評価操作,防衛機構と政策対応,回避と副作用,長期生態系フィードバックという,6つの関連ダイナミクスの分類法を用いて,学術出版物と機関記録を230件合成する。 この文献は、安価でより高速な研究生産が評価のプレッシャーを増し、AIによる評価がよりスケーラブルで反復可能になり、参加者は評価者の正規性を活用でき、機関は技術的保護とポリシーコントロールに反応する、という、新たな進歩を示している。 これらの応答は、エスケープを誘発し、エラーとワークロードを再分配し、将来の研究と評価システムで再利用される学術的な記録を形成する。 エビデンス(エビデンス)は、大規模な生産と評価、再現可能な操作、制度的応答において最強であるが、ポスト政治適応とアーティファクトレベルのロングホライゾンフィードバックは依然として直接的に観察されていない。 このシステムビューは、独立したAI能力から、学術的なアクターとAIシステムが時間とともに相互に適応する方法へと注目を移す。

関連論文リスト

• AI-Assisted Peer Review Across Research Communities: From Reviewer AI Policies to LLM Review Quality [39.33746637947531]
  我々は、主要なAI/NLPカンファレンスと医療雑誌111社を対象に、レビュアーが直面するAIポリシーを調査した。 ICLR 2026とNature CommunicationsのAI生成ピアレビューを,新しいデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2026-08-04T12:34:47Z)
• AutoResearch AI: Towards AI-Powered Research Automation for Scientific Discovery [184.2309450554096]
  AutoResearchはAIを活用した科学ワークフロー自動化の開発スペクトルとして定義されている。 我々は、研究システムが制御、エビデンス、実行、検証、説明責任を再分配し、その分野を組織化する方法について分析する。 本稿では,5つの評価次元 – ノベルティ,インパクト,信頼性,証明 – を提案し,AutoResearchの自律性はドメイン条件であることを示す。
  論文  参考訳（メタデータ） (2026-05-22T03:40:30Z)
• When AI reviews science: Can we trust the referee? [73.47745294608072]
  私たちは、トレーニングとデータ検索、デスクレビュー、深いレビュー、反論、システムレベルといった、レビューライフサイクル全体のアタックをマップします。 評価スコアに高名度フレーミング, 断定力, 反抗薬効, 文脈中毒の因果効果を分離するために, 2つの高度なLCMベースの審判を用いた。
  論文  参考訳（メタデータ） (2026-04-26T08:03:32Z)
• The Story is Not the Science: Execution-Grounded Evaluation of Mechanistic Interpretability Research [56.80927148740585]
  我々は、動的に進化し、研究評価者としてAIエージェントを開発することで、スケーラビリティと厳密さの課題に対処する。 我々は,機械的解釈可能性の研究をテストベッドとして使用し,標準化された研究成果を構築し,MechEvalAgentを開発した。 我々の研究は、AIエージェントが研究評価を変革し、厳格な科学的実践の道を開く可能性を実証している。
  論文  参考訳（メタデータ） (2026-02-05T19:00:02Z)
• ScholarPeer: A Context-Aware Multi-Agent Framework for Automated Peer Review [48.60540055009675]
  ScholarPeerは、上級研究者の認知過程をエミュレートするために設計された、検索可能なマルチエージェントフレームワークである。 We evaluate ScholarPeer on DeepReview-13K and the results showed that ScholarPeer achieve significant win-rates against state-of-the-art approach in side-side-side evaluations。
  論文  参考訳（メタデータ） (2026-01-30T06:54:55Z)
• Industrialized Deception: The Collateral Effects of LLM-Generated Misinformation on Digital Ecosystems [47.03825808787752]
  本稿では,文献レビューから実践的対策へ移行する。 本稿では,Large Language Models(LLM)とマルチモーダルシステムによるAI生成コンテンツの改善について報告する。 我々は, LLMに基づく検出, 接種アプローチ, および生成AIの二重利用特性を含む緩和戦略について論じる。
  論文  参考訳（メタデータ） (2026-01-29T16:42:22Z)
• Automatic Reviewers Fail to Detect Faulty Reasoning in Research Papers: A New Counterfactual Evaluation Framework [55.078301794183496]
  我々は、高品質なピアレビューを支えるコアレビュースキル、すなわち欠陥のある研究ロジックの検出に注力する。 これは、論文の結果、解釈、クレームの間の内部の一貫性を評価することを含む。 本稿では,このスキルを制御条件下で分離し,テストする,完全自動対物評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-29T08:48:00Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• Using Generative AI and Multi-Agents to Provide Automatic Feedback [4.883570605293337]
  本研究では、生成型AIとマルチエージェントシステムを用いて、教育的文脈における自動フィードバックを提供する。 この研究は、AutoFeedbackと呼ばれるマルチエージェントシステムが、GenAI生成したフィードバックの品質をどのように改善するかを探求することによって、この分野における重要なギャップに対処する。
  論文  参考訳（メタデータ） (2024-11-11T22:27:36Z)

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。