論文の概要: ScholarStack: Layered Research Asset Orchestration and Cross-Task Reuse for Scientific Agents
- arxiv url: http://arxiv.org/abs/2609.23735v2
- Date: Tue, 22 Sep 2026 06:18:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:03.943207
- Title: ScholarStack: Layered Research Asset Orchestration and Cross-Task Reuse for Scientific Agents
- Title（参考訳）: ScholarStack: 科学エージェントのための階層化された研究アセットオーケストレーションとクロスタスク再利用
- Abstract要約: ScholarStackは、紙コレクションを再利用可能な、バージョン付き、エビデンスベースのアセットにコンパイルする階層化されたリサーチアセットフレームワークである。
共通アクセスインターフェイスは、各タスクが必要とする証明証拠をタスク固有のビューを返す。
- 参考スコア（独自算出の注目度）: 34.275495310214836
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scientific agents support a range of literature-based research tasks, such as retrieval, question answering, evidence-grounded generation, and claim assessment. Most existing systems, however, are organized around individual tasks: the same papers are repeatedly retrieved, segmented, and interpreted, and the understanding built in one task is difficult to reuse in the next. We present ScholarStack, a layered research asset framework that compiles a paper collection into reusable, versioned, and provenance-preserving assets at three complementary levels: source-grounded paper-level statements, domain-level organization, and evidence-grounded cross-paper syntheses. A common access interface returns task-specific views at the evidence granularity each task requires, preserving study conditions, source traceability, and verification status. We instantiate the framework on four task families spanning ten task settings, comparing agents that use the compiled assets with task-specific baselines under matched base models. Quality gains concentrate on tasks that require cross-paper evidence, such as multi-paper question answering and literature review generation, and query-time token cost falls on every task where it is measured, with assets compiled once and reused across tasks. These results suggest that layered research assets can serve as shared infrastructure for scientific agents, shifting literature-based assistance from isolated document processing toward cumulative, evidence-grounded workflows.
- Abstract（参考訳）: 科学的エージェントは、検索、質問応答、エビデンス・グラウンドド・ジェネレーション、クレームアセスメントなど、さまざまな文献ベースの研究タスクをサポートする。
しかし、既存のシステムのほとんどは個々のタスクを中心に構成されており、同じ論文が繰り返し検索され、セグメンテーションされ、解釈され、あるタスクに構築された理解は次のタスクで再利用することが困難である。
ScholarStackは、紙コレクションを再利用可能な、バージョニングされた、および前兆保存資産に3つの相補的なレベルにコンパイルする階層化された研究資産フレームワークである。
共通アクセスインタフェースは、各タスクに必要なエビデンスをタスク固有のビューに返却し、研究条件、ソーストレーサビリティ、検証ステータスを保存する。
10のタスク設定にまたがる4つのタスクファミリー上のフレームワークをインスタンス化し、コンパイルされたアセットを使用するエージェントと、マッチしたベースモデルの下でタスク固有のベースラインを比較する。
品質向上は、多紙質問応答や文献レビュー生成などのクロスペーパーエビデンスを必要とするタスクに集中しており、クエリ時間トークンコストは、その測定されたタスク毎に低下し、一度コンパイルされ、タスク間で再利用される。
これらの結果は、階層化された研究資産が科学エージェントの共有基盤として機能し、文献ベースの支援を独立した文書処理から累積的根拠に基づくワークフローに移行することを示唆している。
関連論文リスト
- Towards Verifiable Multimodal Deep Research: A Multi-Agent Harness for Interleaved Report Generation [74.0621258662676]
レポート生成のためのマルチエージェントハーネスであるPtahを提案する。
Ptahは計画、研究、執筆段階を通じて、ユーザクエリからレンダリングされたWebレポートまでのライフサイクルを編成する。
検証エージェントがハーネスの受け入れ機能として機能し、ワークフロー全体を通して事実的接地、引用の忠実性、相互の整合性を強制する。
論文 参考訳（メタデータ） (2026-05-28T12:40:34Z) - Skill-Contracted Agents for Evidence-Aware Materials Literature Analysis [8.055788977592144]
材料科学文献分析は、合成、処理、特徴付け、資産関係に同時に注意を払う必要がある。
ここでは、論文レベルのレポート生成から検索に基づく質問応答を分離する、スキル駆動型エージェントフレームワークであるAlphaAgentを紹介する。
専用のスキルは、ユーザ要求を素材固有の意図に書き換え、Journal Reports Citation and Metallurgical Engineeringの30万以上の論文のキュレートされたインデックスをクエリし、初期証拠が不十分な場合にクエリを再構築する。
論文 参考訳（メタデータ） (2026-05-10T13:00:32Z) - PaperScope: A Multi-Modal Multi-Document Benchmark for Agentic Deep Research Across Massive Scientific Papers [52.97586643334384]
本稿ではエージェントディープリサーチのベンチマークであるPaperScopeを紹介する。
3年にわたる2000以上のAI論文の知識グラフ上に構築されている。
意味的に関連するキー情報ノードを統合し、最適化されたランダムウォーク記事セレクタを使用する。
論文 参考訳（メタデータ） (2026-04-13T11:07:08Z) - Lishu: A Real-Source Research Workbench for Elite Business Journal Search, Analysis, and Writing Support [13.418736804875303]
Lishuは、エリートビジネスおよびマネジメントジャーナルから文学を検索、監視、解釈するためのデプロイ可能なWebアーティファクトである。
このシステムはUTD-24とFinancial Times 50(FT50)のジャーナルプールを統合し、Crossref、OpenAlex、Unpaywall、オプションのCOREエンリッチメントを統合している。
静的ジャーナルディレクトリや汎用の学術検索エンジンとは異なり、アーティファクトは高水準の管理機関に明示的にスコープされている。
論文 参考訳（メタデータ） (2026-04-09T07:52:07Z) - DeepResearchEval: An Automated Framework for Deep Research Task Construction and Agentic Evaluation [56.886936435727854]
DeepResearchEvalは、ディープリサーチタスク構築とエージェント評価のための自動化フレームワークである。
タスク構築のために,多様なユーザプロファイルに固定された現実的で複雑な研究タスクを生成するペルソナ駆動パイプラインを提案する。
評価には,タスク固有の評価次元,基準,重みを動的に導出する適応的ポイントワイド品質評価と,引用が欠落した場合でもWeb検索によるレポート文の自動抽出と検証を行うアクティブ・ファクト・チェッキングの2つの要素からなるエージェントパイプラインを提案する。
論文 参考訳（メタデータ） (2026-01-14T18:38:31Z) - SurveyG: A Multi-Agent LLM Framework with Hierarchical Citation Graph for Automated Survey Generation [4.512335376984058]
大規模言語モデル(LLM)は、調査用紙の自動生成にますます採用されている。
LLMに基づくエージェントフレームワークである textbfSurveyG を提案する。
textbfFoundation、textbfDevelopment、textbfFrontierの3つのレイヤで構成されており、セミナルな作品から漸進的な進歩、新たな方向性までの研究の進化を捉えている。
論文 参考訳（メタデータ） (2025-10-09T03:14:20Z) - ResearchPulse: Building Method-Experiment Chains through Multi-Document Scientific Inference [19.363580418167114]
我々は、関連論文のモチベーション、方法論、実験結果を抽出し、調整する新しいタスクである、多文書科学的推論を定式化する。
提案するResearchPulseは,指導計画,科学コンテンツ抽出,構造化可視化を統合したエージェントベースのフレームワークである。
このタスクを支援するために、注釈付き紙クラスターの引用対応ベンチマークであるResearchPulse-Benchを紹介する。
論文 参考訳（メタデータ） (2025-09-03T15:45:03Z) - Reinforcing Compositional Retrieval: Retrieving Step-by-Step for Composing Informative Contexts [67.67746334493302]
大規模言語モデル(LLM)は、多くのタスクにまたがる顕著な機能を示してきたが、複雑なタスクを扱うために外部のコンテキストに依存していることが多い。
我々は、このプロセスをマルコフ決定プロセス(MDP)としてモデル化するトリエンコーダシーケンシャルレトリバーを提案する。
提案手法は,サンプル間の依存関係を明示的にモデル化することの重要性を強調し,ベースラインを一貫して大幅に上回ることを示す。
論文 参考訳（メタデータ） (2025-04-15T17:35:56Z) - On Task-personalized Multimodal Few-shot Learning for Visually-rich
Document Entity Retrieval [59.25292920967197]
VDER(Few-shot document entity search)は、NLPアプリケーションにおいて重要なトピックである。
FewVEXは、エンティティレベルの少数ショットVDERの分野における将来の研究を促進するための、新しいデータセットである。
本稿では,タスクパーソナライズを効果的に実現することを中心に,タスク認識型メタラーニングベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-01T17:51:43Z)
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。