論文の概要: Testing Our Foundations: Citation Trends, Errors, and Emerging Hallucinations in the Computing Education Literature
- arxiv url: http://arxiv.org/abs/2609.16574v1
- Date: Tue, 15 Sep 2026 03:18:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.325824
- Title: Testing Our Foundations: Citation Trends, Errors, and Emerging Hallucinations in the Computing Education Literature
- Title（参考訳）: ファウンデーションの検証:コンピューティング教育文学における引用傾向、誤り、そして新たな幻覚
- Abstract要約: 24,751件のコンピュータ教育論文の参照傾向を分析し,723,000件以上の論文と1500万件の参考資料からなるACMコーパスと比較した。
2025年、SIGCSEが主催する5か所またはLLMが協力する会場に幻覚的参照が現れた。
現時点では比較的稀だが、この成長は我々のコミュニティが無視すべきでない完全性のあるリスクをもたらす。
- 参考スコア（独自算出の注目度）: 3.299067446425981
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate references are foundational to scholarly work, enabling verification, attribution, and systematic review. However, the rapid adoption of large language models has introduced a serious integrity concern: plausible-looking but fabricated citations. Although hallucinated references are widely discussed, their visibility within specific research communities remains unclear. We address this gap by examining reference integrity at key computing education venues using ACM Digital Library data. We analyze referencing trends across 24,751 computing education papers and compare them with the broader ACM corpus of more than 723,000 papers and 15 million references. We then examine reference lists from these venues, classify common bibliographic errors, and manually identify LLM-generated hallucinations containing verifiably false information, including impossible page ranges, invented titles, and misattributed authors. In 2025, hallucinated references appeared across five SIGCSE-sponsored or in-cooperation venues. At the Technical Symposium alone, verified hallucinated references increased from 3 in 2025 to 17 in 2026, appearing in 2.3\% of 2026 proceedings papers. Although still relatively rare for now, this growth poses an integrity risk our community should not ignore.
- Abstract（参考訳）: 正確な参照は学術的な研究の基礎であり、検証、帰属、体系的なレビューを可能にする。
しかし、大規模言語モデルが急速に採用されるにつれ、可視的に見えるが製造された引用という、深刻な整合性に関する懸念が持ち上がっている。
幻覚的参照は広く議論されているが、特定の研究コミュニティ内での視認性はまだ不明である。
ACM Digital Libraryデータを用いて、主要なコンピューティング教育施設における参照整合性を調べることで、このギャップに対処する。
24,751件のコンピュータ教育論文の参照傾向を分析し,723,000件以上の論文と1500万件の参考資料からなるACMコーパスと比較した。
次に、これらの会場からの参照リストを調べ、共通文献の誤りを分類し、不可能なページ範囲、発明されたタイトル、誤記作者を含む検証可能な偽情報を含むLCM生成幻覚を手作業で識別する。
2025年、SIGCSEが主催する5か所、または協力の場に幻覚的な言及が現れた。
技術シンポジウムだけでは、2025年の3件から2026年の17件まで確認された幻覚参照が増加し、2026年の論文の2.3\%に現れた。
現時点では比較的稀だが、この成長は我々のコミュニティが無視すべきでない完全性のあるリスクをもたらす。
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) - Phantom References: Hallucinated Citations That Survive Peer Review at Top-Tier Conferences [4.766369673059568]
我々は、ICLR、ICML、NeurIPS、USENIX Securityから受理されたカメラ対応の論文にRefCheckerを適用する。
我々は、保守的な定義を用いて、ピアレビューされた手続きにおける引用幻覚を測定する。
結果は、ピアレビューだけでは引用整合性を確実に強制しないが、監査は難航していることを示唆している。
論文 参考訳（メタデータ） (2026-07-01T10:21:07Z) - LLM hallucinations in the wild: Large-scale evidence from non-existent citations [5.051133029117994]
arXiv、bioRxiv、SSRN、PubMed Centralの250万の論文の1100万件の参照を監査します。
大規模な言語モデルの採用が広まると、既存の参照が大幅に増加します。
これらのエラーは多くの論文に拡散的に埋め込まれているが、特にAIが急速に普及する分野では顕著である。
論文 参考訳（メタデータ） (2026-05-08T13:26:41Z) - 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) - GhostCite: A Large-Scale Analysis of Citation Validity in the Age of Large Language Models [22.147294042024836]
キュテーションは科学的主張を信頼する基盤を提供するが、それらが無効または製造された場合、この信頼は崩壊する。
LLM(Large Language Models)の出現により、このリスクは増大した。
我々は大規模な引用検証のためのオープンソースのフレームワークであるCiteVerifierを開発した。
論文 参考訳（メタデータ） (2026-02-06T14:08:34Z) - HalluCitation Matters: Revealing the Impact of Hallucinated References with 300 Hallucinated Papers in ACL Conferences [58.87954687016989]
2024年と2025年にACL,NAACL,EMNLPで発表されたすべての論文を分析した。
これらの論文の半分はEMNLP 2025で特定されており、この問題は急速に増加していることを示している。
100以上の論文が主要な会議として受け入れられ、EMNLP 2025のFindings論文が信頼性に影響を及ぼした。
論文 参考訳（メタデータ） (2026-01-26T17:48:23Z) - Hallucinate or Memorize? The Two Sides of Probabilistic Learning in Large Language Models [0.0]
大規模言語モデル(LLM)は、自然言語理解からコード生成に至るまで、幅広いタスクにますます適用されてきた。
引用の推薦にも使われてきたが、現存しない論文の幻覚は依然として大きな問題である。
この研究は、LLMがレコードを正しく生成する能力は、基礎となる知識が生成されるか記憶されるかに依存すると仮定する。
論文 参考訳（メタデータ） (2025-11-12T01:29:12Z) - Hallucinations in Bibliographic Recommendation: Citation Frequency as a Proxy for Training Data Redundancy [0.0]
大型幻覚モデル (LLMs) は幅広いタスクに適用されてきている。
この研究は、LLMが情報を正しく生成する能力は、基礎となる知識が生成されるか記憶されるかに依存すると仮定する。
論文 参考訳（メタデータ） (2025-10-29T10:51:35Z) - 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) - Monitoring AI-Modified Content at Scale: A Case Study on the Impact of ChatGPT on AI Conference Peer Reviews [51.453135368388686]
本稿では,大規模言語モデル (LLM) によって実質的に修正あるいは生成される可能性のある大規模コーパスにおけるテキストの分数推定手法を提案する。
我々の最大可能性モデルは、専門家による参照テキストとAIによる参照テキストを利用して、コーパスレベルでの実世界のLLM使用を正確かつ効率的に検証する。
論文 参考訳（メタデータ） (2024-03-11T21:51:39Z) - Forgotten Knowledge: Examining the Citational Amnesia in NLP [63.13508571014673]
論文を引用するのにどれくらいの時間がかかったのか、どのようにして変化したのか、そしてこの引用的注意/記憶に相関する要因は何か。
引用論文の約62%が出版直前の5年間のものであり,約17%が10年以上前のものであることを示す。
1990年から2014年にかけて、引用論文の中央値と年齢の多様性は着実に増加してきたが、その後傾向が逆転し、現在のNLP論文は、時間的引用の多様性が極端に低い。
論文 参考訳（メタデータ） (2023-05-29T18:30:34Z)
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。