論文の概要: Gricea: An Open Science Platform for Conversational AI Research

• arxiv url: http://arxiv.org/abs/2609.22039v1
• Date: Fri, 18 Sep 2026 17:31:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:17.203601
• Title: Gricea: An Open Science Platform for Conversational AI Research
• Title（参考訳）: Gricea: 会話型AI研究のためのオープンサイエンスプラットフォーム
• Abstract要約: 我々は、研究をデプロイ可能な研究成果として表現するオープンサイエンスプラットフォームであるGriceaを紹介する。 Griceaを用いた複製研究では、CUI 2026論文の93%を複製した。 ユーザスタディでは、さまざまなバックグラウンドを持つ研究者や実践者がランナブルな研究を成功裏に構築した。
• 参考スコア（独自算出の注目度）: 11.971602124377336
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We need studies on conversational AI (CAI) at scale to understand human behavior and shape CAI design. However, fragmented reporting of systems and study configurations hinders replication, extension, and knowledge accumulation. We present Gricea, an open-science platform representing studies as configurable, deployable research artifacts that researchers can run, inspect, share, and reuse. Informed by a formative analysis of prior CAI research, Gricea couples study procedures, participant-facing systems, and conversational task behavior in. In a replication study using Gricea, we replicated configurations 93% of eligible CUI 2026 papers; while also flagging missing information in 96% of papers that hinder faithful replication --- further motivating Gricea's need. In a user study, researchers and practitioners from diverse backgrounds successfully constructed runnable studies addressing various open-ended research questions. Together, these findings demonstrate Gricea's support for constructing, reproducing, and extending CAI studies through shared research artifacts, enabling cumulative knowledge building through open science.
• Abstract（参考訳）: 人間の振る舞いを理解し,CAI設計を形成するためには,対話型AI(CAI)を大規模に研究する必要がある。 しかし、システムや研究構成の断片的な報告は、複製、拡張、知識の蓄積を妨げる。 Griceaは、研究を構成可能でデプロイ可能な研究成果物として表現し、研究者が実行、検査、共有、再利用できるオープンサイエンスプラットフォームです。 従来のCAI研究の形式的分析により、Griceaは、手続き、参加者対応システム、会話タスクの振る舞いを研究する。 Griceaを使用したレプリケーション調査では、資格のあるCUI 2026論文の93%をレプリケーションしました。 ユーザスタディでは、さまざまなバックグラウンドを持つ研究者や実践者が、様々なオープンな研究課題に対処する実行可能な研究を成功裏に構築した。 これらの知見は、Griceaが共有研究成果物を通じてCAI研究を構築、再生、拡張し、オープンサイエンスを通じて累積的な知識構築を可能にしていることを示している。

関連論文リスト

• Personalized Auto-Research: Towards a True AI Co-Scientist [90.01790420664169]
  研究目標を考えると、最先端のシステムは研究者に依存しないままである。 小説、価値、実現可能なものは研究者によって異なる。 本稿では,検索,仮説探索,実験,執筆,レビューを通じて,グラフグラウンドの研究者コンテキストをスレッド化するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-14T20:43:27Z)
• 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)
• Do We Need Bigger Models for Science? Task-Aware Retrieval with Small Language Models [4.049850026698638]
  既存の学者のアシスタントの多くは、数十億から数百億のパラメータを持つプロプライエタリなシステムに依存している。 我々は,タスク認識型ルーティングを行う軽量な検索拡張フレームワークを設計し,特定の検索戦略を選択する。 このフレームワークは、フルテキストの科学論文と構造化された学術メタデータのエビデンスを統合し、コンパクトな命令チューニング言語モデルを使用して、引用による応答を生成する。
  論文  参考訳（メタデータ） (2026-04-02T12:28:51Z)
• Accelerating Scientific Research with Gemini: Case Studies and Common Techniques [105.15622072347811]
  大規模言語モデル(LLM)は、科学研究を加速するための新たな道を開いた。 先進的なAIモデルとどのように協力したかを示すケーススタディのコレクションを提示する。
  論文  参考訳（メタデータ） (2026-02-03T18:56:17Z)
• ResearchArcade: Graph Interface for Academic Tasks [25.4720945876883]
  我々は,複数の学術データソースを接続するグラフベースのインタフェースであるResearchArcadeを紹介する。 ResearchArcadeは、さまざまな学術的タスク定義を統一し、異なる入力要求を持つ様々なモデルをサポートする。 6つの学術課題を対象とした実験により,クロスソース情報とマルチモーダル情報を組み合わせることで,幅広いタスクが実現できることを示した。
  論文  参考訳（メタデータ） (2025-11-27T02:42:21Z)
• The Budget AI Researcher and the Power of RAG Chains [4.797627592793464]
  研究アイデア生成への現在のアプローチは、しばしばジェネリック・大型言語モデル(LLM)に依存している。 私たちのフレームワークであるThe Budget AI Researcherは、検索強化ジェネレーションチェーン、ベクトルデータベース、トピック誘導ペアリングを使用して、数百の機械学習論文の概念を再結合します。 このシステムは、機械学習の広大なサブフィールドにまたがる9つの主要なAIカンファレンスから論文を取り込み、それらを階層的なトピックツリーに整理する。
  論文  参考訳（メタデータ） (2025-06-14T02:40:35Z)
• O1 Replication Journey: A Strategic Progress Report -- Part 1 [52.062216849476776]
  本稿では,O1 Replication Journeyに具体化された人工知能研究の先駆的アプローチを紹介する。 我々の方法論は、長期化したチームベースのプロジェクトの不規則性を含む、現代のAI研究における重要な課題に対処する。 本稿では,モデルにショートカットだけでなく,完全な探索プロセスの学習を促す旅行学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2024-10-08T15:13:01Z)
• OpenResearcher: Unleashing AI for Accelerated Scientific Research [35.31092912532057]
  我々は、人工知能(AI)技術を活用して研究プロセスを加速する革新的なプラットフォームであるOpenResearcherを紹介する。 OpenResearcherはRetrieval-Augmented Generation (RAG)に基づいて構築されており、LLM(Large Language Models)と最新のドメイン固有知識を統合する。 我々は、OpenResearcherが研究者のクエリを理解し、科学文献から検索し、検索した情報をフィルタリングし、正確で包括的な回答を提供し、答えを自己修正する様々なツールを開発した。
  論文  参考訳（メタデータ） (2024-08-13T14:59:44Z)
• A FAIR and Free Prompt-based Research Assistant [0.0]
  研究アシスタント(RA)ツールは6種類の研究タスクを支援するために開発された。 RAのChatGPTやGeminiのような生成AIツールへの依存は、あらゆる科学分野において同様の研究タスク支援を提供することを意味する。
  論文  参考訳（メタデータ） (2024-05-23T14:16:46Z)
• SurveyAgent: A Conversational System for Personalized and Efficient Research Survey [50.04283471107001]
  本稿では,研究者にパーソナライズされた効率的な調査支援を目的とした会話システムであるSurveyAgentを紹介する。 SurveyAgentは3つの重要なモジュールを統合している。文書を整理するための知識管理、関連する文献を発見するための勧告、より深いレベルでコンテンツを扱うためのクエリ回答だ。 本評価は,研究活動の合理化におけるSurveyAgentの有効性を実証し,研究者の科学文献との交流を促進する能力を示すものである。
  論文  参考訳（メタデータ） (2024-04-09T15:01:51Z)
• Retrieval Augmentation for Commonsense Reasoning: A Unified Approach [64.63071051375289]
  検索強化コモンセンス推論(RACo)の統一的枠組みを提案する。 提案するRACoは,他の知識強化手法よりも優れる。
  論文  参考訳（メタデータ） (2022-10-23T23:49:08Z)

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。