論文の概要: Editorial routing shapes how computational results are qualified in AI-assisted scientific writing

• arxiv url: http://arxiv.org/abs/2609.14288v1
• Date: Sun, 13 Sep 2026 05:15:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 12:40:38.826762
• Title: Editorial routing shapes how computational results are qualified in AI-assisted scientific writing
• Title（参考訳）: AIによる科学論文作成における計算結果の適性に関する編集的ルーティング
• Abstract要約: 制約付き文書き作業では、Anthropic の Claude Sonnet 5 は、詳細な比較がグループリポジトリに割り当てられたときに、数値的な資格を省略することが多い。 これらの効果は単純なアクセシビリティ順序に従わなかった。 長期にわたるコントリビューションは数値的な資格を保持していたが、計算設定のいくつかの要約は依然としてリポジトリにリダイレクトされた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models increasingly analyze computational results and draft manuscripts, making reliable communication as important as correct analysis. Using fixed computational evidence, we tested whether assigning comparisons across modeling choices elsewhere in a research workflow changes manuscript reporting. In constrained sentence-writing tasks, Anthropic's Claude Sonnet 5 often omitted numerical qualifications when detailed comparisons were assigned to a group repository, but retained them more often when the same comparison was assigned to Supporting Information or its own working notes; Claude Opus 5 was less sensitive. These effects did not follow a simple accessibility ordering. A targeted placement rule largely restored sentence-level qualification, whereas a generic accuracy reminder did not. Longer contributions retained numerical qualifications, although some summaries across computational settings were still redirected to the repository. Thus, documenting context within an AI workflow does not ensure its communication where readers encounter the result.
• Abstract（参考訳）: 大規模言語モデルは、計算結果と原稿を解析し、信頼性の高いコミュニケーションを正しい分析と同じくらい重要にしている。 定型的な計算エビデンスを用いて、研究ワークフローにおいて、他の場所でのモデリング選択間で比較を割り当てることが、原稿の報告を変えるかどうかを検証した。 制約のある文書き作業では、ArthropicのClaude Sonnet 5は、詳細な比較がグループリポジトリに割り当てられたときの数値的な資格を省略することが多いが、同じ比較がSupporting Informationや自身の作業ノートに割り当てられた場合には、より頻繁に保持する。 これらの効果は単純なアクセシビリティ順序に従わなかった。 目的の配置規則は文レベルの資格をほぼ回復したものの、一般的な精度のリマインダーは実現しなかった。 長期にわたるコントリビューションは数値的な資格を保持していたが、計算設定のいくつかの要約は依然としてリポジトリにリダイレクトされた。 したがって、AIワークフロー内のコンテキストの文書化は、読者が結果に遭遇する通信を確実にするものではない。

関連論文リスト

• Library Reachability in LSR-Synth: How Anti-Memorization Design Changes the Measurement of Symbolic Discovery [22.607520089601124]
  LSR-Synthsは従来の演算子探索と言語モデルによって提供される科学的な先行性を区別できることを示す。 我々は、公文書化された証明を持つ固定語彙を用いて意味論のないベースラインを構築する。 現状のタスクの多くは、未確認表現の適合性や組換え性を評価するのに相応しいが、固定された検索空間を超えた事前のコントリビューションを特定するには、それ自身では不十分である、と結論付けている。
  論文  参考訳（メタデータ） (2026-07-30T02:36:26Z)
• Decomposing Reasoning Efficiency in Large Language Models [2.4149105714758545]
  我々はトークン効率を、固定されたトークン予算の下での完了、与えられた完了条件の正確性、冗長性といった、解釈可能な要因に分解する。 推論トレースが利用可能であれば、冗長だが拡張された推論からループを分離するために決定論的トレース品質尺度を追加します。 我々の分解は、異なる効率の介入を示唆する異なるボトルネックプロファイルを明らかにします。
  論文  参考訳（メタデータ） (2026-02-10T14:09:18Z)
• The Medium Is Not the Message: Deconfounding Document Embeddings via Linear Concept Erasure [98.71456610527598]
  埋め込みベースの類似度メトリクスは、テキストのソースや言語のような刺激的な属性に影響される可能性がある。 本稿では,エンコーダ表現から観測された共同創設者に関する情報を除去するデバイアスアルゴリズムにより,これらのバイアスを最小の計算コストで大幅に低減することを示す。
  論文  参考訳（メタデータ） (2025-07-01T23:17:12Z)
• Empirical Evaluation of Embedding Models in the Context of Text Classification in Document Review in Construction Delay Disputes [6.076874513889027]
  テキスト埋め込みはテキストデータの数値表現であり、単語、フレーズ、文書全体を実数のベクトルに変換する。 本稿では,4つの異なるモデルの包括的比較分析を通じて,異なる埋め込みを評価する作業について述べる。 K-Nearest Neighbors (KNN) と Logistic Regression (LR) の両方を用いてバイナリ分類タスクを行い、特にラベル付きデータセット内でテキストスニペットが 'delay' あるいは 'not delay' に関連付けられているかどうかを判断する。
  論文  参考訳（メタデータ） (2025-01-16T22:12:11Z)
• Beyond Levenshtein: Leveraging Multiple Algorithms for Robust Word Error Rate Computations And Granular Error Classifications [5.266869303483375]
  単語誤り率(WER)は自動音声認識(ASR)の精度の一般的な尺度である 本稿では,ロバストな WER を計算するために,拡張Levenshtein 距離アルゴリズムを用いた非破壊的トークンベース手法を提案する。 我々はまた、句読点誤り率などの派生したユースケースの例分析や、実装のインタラクティブな使用と可視化のためのWebアプリケーションも提供する。
  論文  参考訳（メタデータ） (2024-08-28T08:14:51Z)
• End-to-End Page-Level Assessment of Handwritten Text Recognition [69.55992406968495]
  HTRシステムは、文書のエンドツーエンドのページレベルの書き起こしに直面している。 標準メトリクスは、現れる可能性のある不整合を考慮していない。 本稿では、転写精度とROの良さを別々に検討する2つの評価法を提案する。
  論文  参考訳（メタデータ） (2023-01-14T15:43:07Z)
• ROSCOE: A Suite of Metrics for Scoring Step-by-Step Reasoning [63.77667876176978]
  大規模言語モデルでは、最終回答を正当化するためにステップバイステップの推論を生成するように促された場合、ダウンストリームタスクの解釈可能性が改善されている。 これらの推論ステップは、モデルの解釈可能性と検証を大幅に改善するが、客観的にそれらの正確性を研究することは困難である。 本稿では、従来のテキスト生成評価指標を改善し拡張する、解釈可能な教師なし自動スコアのスイートであるROSを提案する。
  論文  参考訳（メタデータ） (2022-12-15T15:52:39Z)
• Revisiting text decomposition methods for NLI-based factuality scoring of summaries [9.044665059626958]
  細粒度分解が必ずしも事実性スコアの勝利戦略であるとは限らないことを示す。 また,従来提案されていたエンテーメントに基づくスコアリング手法の小さな変更により,性能が向上することを示した。
  論文  参考訳（メタデータ） (2022-11-30T09:54:37Z)
• CORE: A Retrieve-then-Edit Framework for Counterfactual Data Generation [91.16551253297588]
  Counterfactual Generation via Retrieval and Editing (CORE) は、トレーニングのための多様な反事実摂動を生成するための検索強化された生成フレームワークである。 COREはまず、学習されたバイエンコーダを用いて、タスク関連未ラベルテキストコーパス上で密集した検索を行う。 COREはこれらを、反ファクト編集のために、数ショットの学習機能を備えた大規模な言語モデルへのプロンプトに組み込む。
  論文  参考訳（メタデータ） (2022-10-10T17:45:38Z)
• Factual Error Correction for Abstractive Summaries Using Entity Retrieval [57.01193722520597]
  本稿では,エンティティ検索後処理に基づく効率的な事実誤り訂正システムRFECを提案する。 RFECは、原文と対象要約とを比較して、原文から証拠文を検索する。 次に、RFECは、エビデンス文を考慮し、要約中のエンティティレベルのエラーを検出し、エビデンス文から正確なエンティティに置換する。
  論文  参考訳（メタデータ） (2022-04-18T11:35:02Z)
• Generating Fact Checking Explanations [52.879658637466605]
  まだ欠けているパズルの重要なピースは、プロセスの最も精巧な部分を自動化する方法を理解することです。 本稿では、これらの説明を利用可能なクレームコンテキストに基づいて自動生成する方法について、最初の研究を行う。 この結果から,個別に学習するのではなく,両目標を同時に最適化することで,事実確認システムの性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T05:23:25Z)

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。