論文の概要: BackTrend: Evaluating Scientific Weak-Signal Prediction via Backward Reconstruction

• arxiv url: http://arxiv.org/abs/2609.24921v1
• Date: Mon, 21 Sep 2026 17:18:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.019746
• Title: BackTrend: Evaluating Scientific Weak-Signal Prediction via Backward Reconstruction
• Title（参考訳）: BackTrend: 後方再建による科学的弱信号予測の評価
• Abstract要約: 成熟した対象トピックが与えられた場合、システムは問題空間信号、未認識の研究問題、解空間信号を回復しなければならない。 BackTrendには、人工知能と機械学習における25の成熟したターゲットトピックと、66人の有能な弱いシグナルが含まれている。 セマンティックマッチングとカバレッジに基づくメトリクスを用いて,フロンティアLLM,RAGシステム,エージェント研究システムの評価を行った。
• 参考スコア（独自算出の注目度）: 58.03195482017449
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scientific weak signals are early, low-visibility research directions that later become central to mature scientific topics, yet existing resources such as trend tracking, citation forecasting, and foresight reports rarely provide validated reference sets that link concrete early precursors to later paradigms. We introduce BackTrend, a retrospective benchmark in which, given a mature target topic and a temporal evidence constraint, systems must recover two types of precursors: problem-space signals, underrecognized research problems, and solution-space signals, emerging methods for known problems. BackTrend contains 25 mature target topics in artificial intelligence and machine learning and 66 human-validated weak signals, reconstructed from large-scale literature by grounding each candidate in its 2019-2024 publication-frequency trajectory. We evaluate frontier LLMs, RAG systems, and agentic research systems using semantic matching and coverage-based metrics. Current systems often generate plausible but misaligned precursors, exhibiting topic drift, granularity mismatch, near-miss matching, and incomplete coverage; the strongest system achieves only 10.1% F1, while Coverage10 reaches at most 18.5% of the reference signals. Our budget analyses show that additional retrieval and web-search evidence can improve performance up to a moderate budget, but does not by itself close the substantial performance gap.
• Abstract（参考訳）: 科学的弱信号は、後に成熟した科学トピックの中心となる低可視性研究の方向であるが、トレンド追跡、引用予測、フォレストレポートといった既存のリソースは、後続のパラダイムに具体的な初期の前駆体をリンクする検証済みの参照セットをめったに提供しない。 我々は、成熟した対象トピックと時間的エビデンス制約が与えられた場合、システムは、問題空間信号、未認識の研究問題、解空間信号、既知の問題に対する新しい方法、という2つの種類の前駆体を復元する必要がある、というふりかえりのベンチマークであるBackTrendを紹介した。 BackTrendには、人工知能と機械学習における25の成熟したターゲットトピックと66の人為的な弱信号が含まれており、2019-2024年の出版頻度軌道において各候補を根拠として、大規模文学から再構築されている。 セマンティックマッチングとカバレッジに基づくメトリクスを用いて,フロンティアLLM,RAGシステム,エージェント研究システムの評価を行った。 現在のシステムは、しばしば可塑性だが不整合な前駆体を生成し、トピックドリフト、粒度ミスマッチ、ニアミスマッチング、および不完全カバレッジを示し、最強のシステムは10.1% F1しか達成せず、Coverage10は参照信号の少なくとも18.5%に達する。 我々の予算分析は、検索とウェブ検索の証拠が適度な予算まで性能を向上できることを示しているが、それ自体は実質的な性能格差を埋めるものではない。

関連論文リスト

• Can Large Language Models Generate Observability-Aware Code? [51.30941152293301]
  本稿では,エージェント生成システムにおける可観測性に関する系統的研究を行う。 その結果,ソースレベルでの診断的セマンティクスと実行時の障害信号との間には,一貫したギャップがあることが判明した。 本稿では,診断的意味論と故障信号暴露の両方を改善するためのガイダンスとして,可観測性指向のスキルを導入する。
  論文  参考訳（メタデータ） (2026-07-07T03:20:52Z)
• Reinforcement Learning for Software Vulnerability Analysis: A Systematic Review with Emphasis on C/C++ Source Code and Static Analysis [0.15293427903448018]
  本研究は,C/C++ソースコードと静的解析に着目し,ソフトウェア脆弱性解析のための強化学習(RL)技術についてレビューする。 我々は、2015年から2026年にかけて発行された21の主研究を、主要な科学的データベースと補完的な検索から特定する。 その結果、15の研究ではファジィングとガイド付き探索に焦点が当てられ、直接脆弱性検出には3つ、ステートメントレベルのローカライゼーションには1つに過ぎなかった。
  論文  参考訳（メタデータ） (2026-06-24T13:09:42Z)
• Evidence-Grounded Frontier Mapping and Agentic Hypothesis Generation in Nanomedicine [5.717419738557379]
  pArticleMapは、文献作成と研究・仮説生成システムである。 pArticleMapは、将来的なコンセプトの共起を予測するのではなく、低密度の記事レベルブリッジリージョンとクラスタインターフェースをターゲットにしている。 タスクレベルの維持仮説では、プールされた金の回収率は10.8%となり、リコール@10は15.9%、将来の隣接レートは61.0%となった。
  論文  参考訳（メタデータ） (2026-05-18T09:50:11Z)
• Benchmarking Knowledge-Extraction Attack and Defense on Retrieval-Augmented Generation [50.87199039334856]
  Retrieval-Augmented Generation (RAG) は知識集約型アプリケーションの基礎となっている。 近年の研究では、悪意あるクエリによって知識抽出攻撃が機密知識ベースコンテンツを回復できることが示されている。 本稿では,RAGシステムに対する知識抽出攻撃のための最初の体系的ベンチマークを紹介する。
  論文  参考訳（メタデータ） (2026-02-10T01:27:46Z)
• DeepEra: A Deep Evidence Reranking Agent for Scientific Retrieval-Augmented Generated Question Answering [28.427433335623217]
  ステップバイステップ推論を統合したディープエビデンス評価エージェント(DeepEra)を提案する。 この研究は、2段階のRAGフレームワークにおいて、無視できないSSLI問題を包括的に研究し、実証的に検証した初めてのものである。
  論文  参考訳（メタデータ） (2026-01-23T06:19:08Z)
• Early Warning Signals Appear Long Before Dropping Out: An Idiographic Approach Grounded in Complex Dynamic Systems Theory [1.732435844754418]
  レジリエンスが弱まると、学生はエンゲージメントのリスクが高くなり、退学する可能性がある。 本稿では,脱落前に回復力損失の早期警報信号が脱落を予知できるかどうかを検証する。
  論文  参考訳（メタデータ） (2026-01-16T18:43:46Z)
• Beyond Memorization: Reasoning-Driven Synthesis as a Mitigation Strategy Against Benchmark Contamination [77.69093448529455]
  本稿では,arXiv論文から直接研究レベルのQAを合成するために,無限にスケーラブルなフレームワークを用いて実証的研究を行う。 各種サイズ,開発者,リリース日といったモデルについて,知識カットオフ日に近い性能劣化の欠如を評価した。 合成パイプラインで要求される多段階の推論は、浅い記憶よりも深い複雑さをもたらしたと仮定する。
  論文  参考訳（メタデータ） (2025-08-26T16:41:37Z)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)
• AGATHA: Automatic Graph-mining And Transformer based Hypothesis generation Approach [1.7954335118363964]
  本稿では,発見過程の早い段階でデータ駆動的な洞察を導入する仮説生成システムを提案する。 AGATHAは、エンティティセット間で有効な用語ペアを優先し、新たな研究方向性を推奨します。 本システムは,確立したベンチマークにおいて,クラス内での最高の性能を実現する。
  論文  参考訳（メタデータ） (2020-02-13T17:06:47Z)

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。