論文の概要: SALSA: Semi-Autonomous Literature Summarization Assistant

• arxiv url: http://arxiv.org/abs/2609.22210v1
• Date: Tue, 01 Sep 2026 20:39:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.77319
• Title: SALSA: Semi-Autonomous Literature Summarization Assistant
• Title（参考訳）: SALSA:半自律型文学要約アシスタント
• Abstract要約: SALSA(Semi-Autonomous Literature Summarization Assistant)は、マルチモーダル文献ソースから構造化された科学データセットを抽出する、オープンソースの人文間通信プラットフォームである。 ソフトウェアは、文書解析、大きな言語モデル、光学文字認識、コンピュータビジョン、数字のデジタル化、ユーザーガイドによる修正ツールを組み合わせている。
• 参考スコア（独自算出の注目度）: 0.8921166277011348
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: SALSA (Semi-Autonomous Literature Summarization Assistant) is an open- source, human-in-the-loop platform for extracting structured scientific datasets from multimodal literature sources. The software combines document parsing, large language models, optical character recognition, computer vision, figure digitization, and user-guided correction tools to recover structured information from text, tables, figures, and captions. Users can configure extraction stages, define dataset schemas, perform interventions on digitized figures, and export verified data for downstream analysis and machine learning. SALSA is designed to automate repetitive literature curation tasks while preserving oversight where expert judgment is required. By supporting customizable extraction workflows across diverse input types, the software provides a flexible framework for scalable, reliable data curation for materials research, and potentially across several disciplines. Users are responsible for ensuring that all inputs, extraction workflows, and downstream uses comply with applicable publisher agreements, copyright and licensing terms, institutional policies, and data-use requirements.
• Abstract（参考訳）: SALSA(Semi-Autonomous Literature Summarization Assistant)は、マルチモーダル文献ソースから構造化された科学データセットを抽出する、オープンソースの人文間通信プラットフォームである。 このソフトウェアは、文書解析、大きな言語モデル、光学文字認識、コンピュータビジョン、図形デジタル化、およびユーザー誘導補正ツールを組み合わせて、テキスト、表、図形、キャプションから構造化された情報を復元する。 ユーザーは抽出ステージを設定し、データセットスキーマを定義し、デジタル化された数字の介入を実行し、下流の分析と機械学習のために検証済みデータをエクスポートすることができる。 SALSAは、専門家の判断が必要な場合の監視を保ちながら、反復文学のキュレーション作業を自動化するように設計されている。 多様な入力タイプにわたるカスタマイズ可能な抽出ワークフローをサポートすることで、ソフトウェアは、材料研究のためのスケーラブルで信頼性の高いデータキュレーションのためのフレキシブルなフレームワークを提供する。 ユーザは、すべてのインプット、ワークフローの抽出、ダウンストリームの使用が、適用可能なパブリッシャ契約、著作権およびライセンス条項、制度的なポリシー、データ利用要件に従うことを保証する責任を負う。

関連論文リスト

• TCMIIES: A Browser-Based LLM-Powered Intelligent Information Extraction System for Academic Literature [5.417385211236298]
  本稿では,学術文献から構造化情報抽出を行うブラウザベースのゼロインストールプラットフォームTCMIIESを提案する。 このシステムは、自動システムプロンプト生成を備えた新しいスキーマ誘導プロンプトフレームワークを採用しており、研究者は独自の抽出スキーマを定義することができる。 従来の漢方医学研究において,複数の抽出シナリオを包括的に評価することで,システムの有効性を実証する。
  論文  参考訳（メタデータ） (2026-05-08T09:40:13Z)
• LitBench: A Graph-Centric Large Language Model Benchmarking Tool For Literature Tasks [31.14225125626119]
  本稿では,ドメイン固有言語モデルの開発と評価を可能にするベンチマークツールLitBenchを紹介する。 LitBenchの中核となるのは、ドメイン固有の文学のサブグラフを生成するデータキュレーションプロセスである。 データセットのキュレーションに加えて、LitBenchは、ノードやエッジレベルの分析から高度なアプリケーションまで、包括的な文学タスクスイートを定義している。
  論文  参考訳（メタデータ） (2026-02-10T04:12:29Z)
• Can LLMs Clean Up Your Mess? A Survey of Application-Ready Data Preparation with LLMs [66.63911043019294]
  データ準備は、生のデータセットを識別し、データセット間の関係を解明し、それらから貴重な洞察を抽出することを目的としている。 本稿では,様々な下流タスクのためのデータ準備にLLM技術を用いることに焦点を当てる。 データクリーニング、標準化、エラー処理、計算、データ統合、データ豊か化という3つの主要なタスクにフィールドを編成するタスク中心の分類を導入します。
  論文  参考訳（メタデータ） (2026-01-22T12:02:45Z)
• LongDA: Benchmarking LLM Agents for Long-Document Data Analysis [55.32211515932351]
  LongDAは、長いドキュメントと複雑なデータをナビゲートする実際の設定をターゲットとしています。 LongTAは、ドキュメントアクセス、検索、コード実行を可能にするツール拡張されたエージェントフレームワークである。 実験の結果, 最先端モデルにおいても, かなりの性能差が認められた。
  論文  参考訳（メタデータ） (2026-01-05T23:23:16Z)
• LeMat-Synth: a multi-modal toolbox to curate broad synthesis procedure databases from scientific literature [60.879220305044726]
  本稿では,大規模言語モデル (LLM) と視覚言語モデル (VLM) を用いて合成手順と性能データを自動抽出・整理するマルチモーダルツールボックスを提案する。 LeMat-Synth (v 1.0):35種類の合成法と16種類の材料クラスにまたがる合成手順を含むデータセット。 我々は,新しいコーパスと合成ドメインへのコミュニティ主導の拡張をサポートするために設計された,モジュール形式のオープンソースライブラリをリリースする。
  論文  参考訳（メタデータ） (2025-10-28T17:58:18Z)
• OpenLens AI: Fully Autonomous Research Agent for Health Infomatics [22.16210485266852]
  OpenLens AIは、健康情報学に適した完全に自動化されたフレームワークである。 文献レビュー、データ分析、コード生成、原稿作成のための特殊エージェントを統合している。 このフレームワークは研究パイプライン全体を自動化し、出版可能な原稿を生成する。
  論文  参考訳（メタデータ） (2025-09-18T09:25:57Z)
• A Library Perspective on Supervised Text Processing in Digital Libraries: An Investigation in the Biomedical Domain [3.9519587827662397]
  本研究では,8つのバイオメディカルベンチマークを用いて,関係抽出とテキスト分類に焦点を当てた。 精度とアプリケーションコストのトレードオフを検討し、遠隔監視とChatGPT、LLama、Olmoといった大規模言語モデルを通じてデータ生成のトレーニングを行い、最終パイプラインの設計方法について論じる。
  論文  参考訳（メタデータ） (2024-11-06T07:54:10Z)
• Instruct and Extract: Instruction Tuning for On-Demand Information Extraction [86.29491354355356]
  On-Demand Information extractは、現実世界のユーザのパーソナライズされた要求を満たすことを目的としている。 InstructIEというベンチマークを、自動生成したトレーニングデータと、人手による注釈付きテストセットの両方を含む形で提示する。 InstructIE 上に構築した On-Demand Information Extractor, ODIE をさらに発展させる。
  論文  参考訳（メタデータ） (2023-10-24T17:54:25Z)
• Leveraging Language to Learn Program Abstractions and Search Heuristics [66.28391181268645]
  LAPS(Language for Abstraction and Program Search)は、自然言語アノテーションを用いて、ライブラリとニューラルネットワークによる合成のための検索モデルの共同学習をガイドする手法である。 最先端のライブラリ学習システム(DreamCoder)に統合されると、LAPSは高品質なライブラリを生成し、検索効率と一般化を改善する。
  論文  参考訳（メタデータ） (2021-06-18T15:08:47Z)

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。