論文の概要: ReGround: Grounding Reviewer Comments in Multimodal Evidence

• arxiv url: http://arxiv.org/abs/2609.11460v1
• Date: Thu, 10 Sep 2026 12:32:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.356014
• Title: ReGround: Grounding Reviewer Comments in Multimodal Evidence
• Title（参考訳）: ReGround: マルチモーダルエビデンスにおけるレビューアのコメント
• Abstract要約: レビューアのコメントは、レビューされた論文の特定の部分に自然に関連付けるが、長いマルチモーダル文書のために、これらのコメントを根底にある証拠に根拠付けることは困難である。 このデータセットは、レビュアーのコメントを10,267件と16,274件の証拠を3,656件の匿名の論文に関連付けている。 その結果,論文内容全体の検索は不十分であり,エビデンス型推論は大きなボトルネックであり,マルチモーダルなエビデンスによってテキストのみが見逃す補完的な信号が得られていることがわかった。
• 参考スコア（独自算出の注目度）: 65.14860452709777
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reviewer comments naturally relate to specific parts of the reviewed paper, yet grounding these comments to the underlying evidence is difficult due to long multimodal documents. Existing benchmarks do not capture this setting and largely focus on explicit, information-seeking queries. We introduce ReGround, a large-scale dataset for reviewer comment grounding that links 10,267 reviewer comments to 16,274 evidence in the original anonymous submission of 3,656 papers. We build on a simple observation: author rebuttals often include explicit references to content of the submission used to address reviewer comments, providing a high-precision annotation source. We cast grounding as a retrieval task and evaluate a wide range of retrieval methods. Results show that retrieval over the entire paper content performs poorly, evidence-type inference is a major bottleneck, and multimodal evidence provides complementary signals that text alone misses. Our dataset exposes grounding reviewer comments as a difficult and practically important problem for scientific document understanding.
• Abstract（参考訳）: レビューアのコメントは、レビューされた論文の特定の部分に自然に関連付けるが、長いマルチモーダル文書のために、これらのコメントを根底にある証拠に根拠付けることは困難である。 既存のベンチマークでは、この設定を捉えておらず、明示的な情報検索クエリに重点を置いている。 このデータセットは、レビュアーのコメントを10,267件と16,274件の証拠を3,656件の匿名の論文に関連付けている。 著者の反論は、しばしばレビュアーのコメントに対処するために使われる投稿の内容への明示的な参照を含み、高精度なアノテーションソースを提供する。 検索タスクとしてグラウンドをキャストし,幅広い検索手法を評価する。 その結果,論文内容全体の検索は不十分であり,エビデンス型推論は大きなボトルネックであり,マルチモーダルなエビデンスによってテキストのみが見逃す補完的な信号が得られていることがわかった。 我々のデータセットは、科学的文書理解において、根拠となるレビュアーのコメントを困難かつ実践的に重要な問題として公開している。

関連論文リスト

• ReviewGrounder: Improving Review Substantiveness with Rubric-Guided, Tool-Integrated Agents [50.27474750319121]
  公式ガイドライン、論文の内容、人間によるレビューから派生した、紙固有のルーリックに従ってテキストをレビューする。 本稿では、公式ガイドライン、論文の内容、人手によるレビューに基づいて、レビューテキストを評価するベンチマークであるREVIEWBENCHを紹介する。 本稿では,レビューを起草段階と接地段階に分解するルーリック誘導ツール統合マルチエージェントフレームワークであるREVIEWGROUNDERを提案する。
  論文  参考訳（メタデータ） (2026-04-15T16:33:04Z)
• FactReview: Evidence-Grounded Reviews with Literature Positioning and Execution-Based Claim Verification [57.196748998757954]
  本稿では,クレーム抽出,文献位置決定,実行に基づくクレーム検証を組み合わせたエビデンスベースレビューシステムであるFactReviewを紹介する。 FactReviewは論文を提出すると、主要なクレームを特定し、その結果を報告し、論文の技術的な位置を明らかにするために近くの作業を取り出し、コードが利用可能であれば、リリースされたリポジトリを実行する。 その後、簡潔なレビューと、主要な請求を5つのラベルのうち1つに割り当てるエビデンスレポートを生成する。
  論文  参考訳（メタデータ） (2026-04-05T11:45:22Z)
• 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)
• Scientific Opinion Summarization: Paper Meta-review Generation Dataset, Methods, and Evaluation [55.00687185394986]
  本稿では,論文レビューをメタレビューに合成する,科学的意見要約の課題を提案する。 ORSUMデータセットは、47のカンファレンスから15,062のメタレビューと57,536の論文レビューをカバーしている。 実験の結果,(1)人間による要約は,議論の深みや特定の領域に対するコンセンサスや論争の特定など,必要な基準をすべて満たしていないこと,(2)タスクの分解と反復的自己調整の組み合わせは,意見の強化に強い可能性を示唆している。
  論文  参考訳（メタデータ） (2023-05-24T02:33:35Z)
• ReAct: A Review Comment Dataset for Actionability (and more) [0.8885727065823155]
  注釈付きレビューコメントデータセットReActを紹介する。 レビューコメントはOpenReviewのサイトから引用されている。 これらのレビューのためのアノテーションをクラウドソースで公開しています。
  論文  参考訳（メタデータ） (2022-10-02T07:09:38Z)
• AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
  実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。 アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。 我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
  論文  参考訳（メタデータ） (2021-04-01T17:40:08Z)
• Weakly- and Semi-supervised Evidence Extraction [107.47661281843232]
  本稿では,エビデンス抽出の課題に対して,いくつかのエビデンスアノテーションと豊富な文書レベルラベルを組み合わせた新たな手法を提案する。 私たちのアプローチは、数百のエビデンスアノテーションでかなりの利益をもたらします。
  論文  参考訳（メタデータ） (2020-11-03T04:05:00Z)
• Massive Multi-Document Summarization of Product Reviews with Weak Supervision [11.462916848094403]
  製品レビュー要約は、MDS(Multi-Document Summarization)タスクの一種です。 レビューの小さなサンプルを要約すると、重要な情報が失われる可能性がある。 本稿では,標準的な要約アルゴリズムに基づいて,大量のレビューを要約するスキーマを提案する。
  論文  参考訳（メタデータ） (2020-07-22T11:22:57Z)
• How Useful are Reviews for Recommendation? A Critical Review and Potential Improvements [8.471274313213092]
  本稿では,レビューテキストを用いてレコメンデーションシステムの改善を目指す,新たな作業体系について検討する。 実験条件やデータ前処理に変化はあるものの, 論文間で結果がコピーされていることから, 報告結果にいくつかの相違点がみられた。 さらなる調査では、リコメンデーションのためのユーザレビューの"重要"に関して、はるかに大きな問題に関する議論が求められている。
  論文  参考訳（メタデータ） (2020-05-25T16:30:05Z)

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。