論文の概要: Positioning manuscripts in the scientific landscape with agentic AI

• arxiv url: http://arxiv.org/abs/2609.13760v1
• Date: Sat, 12 Sep 2026 07:10:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.523597
• Title: Positioning manuscripts in the scientific landscape with agentic AI
• Title（参考訳）: エージェントAIによる科学的景観における原稿の位置決め
• Abstract要約: 研究写本の出版は、科学的な生活の一部を要求するルーチンである。 大規模言語モデル(LLM)ベースのエージェントAIの最近の進歩は、様々な科学的タスクにおいて有望であることを示している。 ドメイン固有の文献コンテキスト内で原稿を理解するエージェントシステムであるPASSを紹介する。
• 参考スコア（独自算出の注目度）: 21.15576036232353
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Publishing a research manuscript is a routine yet demanding part of scientific life: time-consuming, stressful, and often uncertain in outcome. Recent advances in large language model (LLM)-based agentic AI have shown promise across a range of scientific tasks, and here we ask whether agentic AI can help researchers navigate the publication process itself by reliably inferring a manuscript's eventual publication venue from its content and literature context. We introduce PASS (Publication-oriented Agentic Scientific System), an agentic system that understands manuscripts within their domain-specific literature context and predicts top-matched publication venues. PASS positions each manuscript within its surrounding literature landscape by reconstructing its local scientific neighborhood, tracing its topic trajectory, and reasoning over field-specific journal spaces. Evaluated on a leakage-audited benchmark of over 2,000 preprints across 16 biomedical fields, PASS achieved Top-1 accuracy of 50.3% and Top-5 accuracy of 86.1%, outperforming state-of-the-art LLM baselines and established journal-selection tools. PASS-produced quality scores, such as impact potential and novelty, aligned with independent measures of publication outcome. We also found that the designed literature retrieval module is the strongest performance contributor, particularly for positioning manuscripts relative to nearby work, and that PASS maintained near-full performance from the abstract alone, whereas LLM baselines required the full manuscript text. An independent human evaluation found strong researcher agreement with PASS's manuscript understanding and recommendation rationale. PASS has been released as a public platform (https://ratemypaper.ai/) for broad researcher access.
• Abstract（参考訳）: 研究写本の出版は、科学的な生活の一部を必要とするルーチンである:時間がかかり、ストレスが強く、結果が不確実であることが多い。 大規模言語モデル(LLM)に基づくエージェントAIの最近の進歩は、様々な科学的課題にまたがる約束を示しており、ここでは、エージェントAIがその内容と文献の文脈から原稿の最終的な出版場所を確実に推測することで、研究者が出版プロセス自体をナビゲートできるかどうかを問う。 我々はPASS(Publication-oriented Agentic Scientific System)を導入し、ドメイン固有の文献コンテキスト内の原稿を理解し、トップマッチの出版会場を予測するエージェントシステムを紹介した。 PASSは、各写本を周辺文学の風景の中に配置し、その地域科学地区を再構築し、そのトピックの軌跡を辿り、フィールド固有のジャーナル空間を推論する。 16のバイオメディカル分野にわたる2,000以上のプレプリントのリーク調査ベンチマークに基づいて評価され、PASSはトップ1の精度50.3%、トップ5の精度86.1%を達成し、最先端のLCMベースラインを上回り、ジャーナル選択ツールを確立した。 PASSによる影響ポテンシャルや新規性などの品質スコアは、出版結果の独立した指標と一致している。 また, 設計した文献検索モジュールは, 特に近傍の著作物に対する原稿の位置決めにおいて, 最強のパフォーマンスコントリビュータであり, PASSが抽象資料のみからほぼフルに近い性能を維持しているのに対して, LLMベースラインは完全な原稿テキストを必要としていた。 独立した人間の評価では、PASSの原稿の理解と推薦の根拠に強い研究者の同意が得られた。 PASSは広く研究者にアクセスするためのパブリックプラットフォーム(https://ratemypaper.ai/)としてリリースされた。

関連論文リスト

• Deep Academic Survey: Stateful Agentic Closed-Loop Paradigm for Academic Survey Automation [60.151050016855834]
  DASは出版指向の学術調査を作成するためのステートフルなエージェント・フレームワークである。 その鍵となる考え方は、再利用可能な紙分析とトピック固有の原稿構築を分離することである。 DASは4つの次元で最高点に達し、総合スコアは4.34であり、最強の競争相手は4.03である。
  論文  参考訳（メタデータ） (2026-08-18T17:29:00Z)
• FARS: A Fully Automated Research System Deployed at Scale [19.413175066072302]
  完全自動化AI研究システムであるFARS(Fully Automated Research System)について述べる。 FARSは、アイデア、計画、実験、執筆を通じて、自律的にプロジェクトを生成し、推進する。 FARSの最初の公開デプロイメントでは、67のきめ細かいAI/MLトピックにまたがる166の完全な研究論文が作成された。
  論文  参考訳（メタデータ） (2026-06-30T13:30:24Z)
• PaperMentor: A Human-Centered Multi-Agent Writing Tutor for AI Research Papers on Overleaf [51.79108552674703]
  We present PaperMentor, a human-centered writing assistant system that delivers actionable suggestions as Overleaf-native inline comments。 PaperMentorは、既存の研究者の執筆アドバイスから慎重にキュレートされた専門的なスキルライブラリを、論文執筆のさまざまな側面をカバーする12の専門エージェントに統合する。 ユーザ調査では、生成したコメントの90.6%が実行可能であり、67.5%が有効であると評価され、GPT-5.2のベースラインをスキルライブラリを使用せずに大幅に上回った。
  論文  参考訳（メタデータ） (2026-06-07T22:17:15Z)
• AutoResearchBench: Benchmarking AI Agents on Complex Scientific Literature Discovery [55.70879973230979]
  AutoResearchBenchは、自律的な科学文献発見のためのベンチマークである。 エージェントWebブラウジングに関する以前のベンチマークと比較すると、AutoResearchBenchは研究指向である。 最も強力なLCMでさえ、BrowseCompのような一般的なエージェントによるWebブラウジングベンチマークをほとんど征服したにもかかわらず、Deep Researchでは9.39%、Wide Researchでは9.31%の精度しか達成していない。
  論文  参考訳（メタデータ） (2026-04-28T06:05:17Z)
• PaperOrchestra: A Multi-Agent Framework for Automated AI Research Paper Writing [43.290959385976414]
  PaperOrchestraは、自動AI研究論文作成のためのマルチエージェントフレームワークである。 制約のない事前制約された資料を提出可能な原稿に変換する。 PaperWritingBenchは、200の上位階層のAIカンファレンス論文から、リバースエンジニアリングされた原料の最初の標準ベンチマークである。
  論文  参考訳（メタデータ） (2026-04-06T18:00:00Z)
• LiRA: A Multi-Agent Framework for Reliable and Readable Literature Review Generation [66.09346158850308]
  文献レビュープロセスをエミュレートする多エージェント協調ワークフローLiRA(Literature Review Agents)を提案する。 LiRAは、コンテンツアウトライン、サブセクションの執筆、編集、レビュー、コヒーシブで包括的なレビュー記事の作成に特殊エージェントを使用している。 実世界のシナリオにおいて文書検索を用いてLiRAを評価し,そのロバスト性を評価する。
  論文  参考訳（メタデータ） (2025-10-01T12:14:28Z)
• Let's Use ChatGPT To Write Our Paper! Benchmarking LLMs To Write the Introduction of a Research Paper [64.50822834679101]
  SciIGは、タイトル、抽象、および関連する作品からコヒーレントな紹介を生成するLLMの能力を評価するタスクである。 オープンソース (DeepSeek-v3, Gemma-3-12B, LLaMA 4-Maverick, MistralAI Small 3.1) およびクローズドソース GPT-4o システムを含む5つの最先端モデルを評価する。 結果は、特に意味的類似性と忠実性において、ほとんどのメトリクスにおいて、LLaMA-4 Maverickの優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-08-19T21:11:11Z)
• XtraGPT: Context-Aware and Controllable Academic Paper Revision [43.263488839387584]
  本稿では,基準誘導型意図アライメントと文脈認識モデリングを中心とした学術論文改訂のための人間-AI協調フレームワークを提案する。 XtraGPTは,コンテクスト対応,命令誘導型書き込み支援のためのオープンソースのLLMスイートである。
  論文  参考訳（メタデータ） (2025-05-16T15:02:19Z)
• Mapping the Increasing Use of LLMs in Scientific Papers [99.67983375899719]
  2020年1月から2024年2月にかけて、arXiv、bioRxiv、Natureのポートフォリオジャーナルで950,965の論文をまとめて、体系的で大規模な分析を行った。 計算機科学の論文では, LLMの使用が着実に増加し, 最大, 最速の成長が観察された。
  論文  参考訳（メタデータ） (2024-04-01T17:45:15Z)

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。