論文の概要: Hyperspherical Semantic Trajectory Analysis: Mapping Technological Diffusion across Academic Preprints, Patent Signals, and Compute Scaling

• arxiv url: http://arxiv.org/abs/2609.35845v1
• Date: Fri, 25 Sep 2026 02:16:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:46.85896
• Title: Hyperspherical Semantic Trajectory Analysis: Mapping Technological Diffusion across Academic Preprints, Patent Signals, and Compute Scaling
• Title（参考訳）: 超球面セマンティック軌道解析:学術的プレプリントにおける技術拡散のマッピング、特許信号、計算スケーリング
• Abstract要約: 我々は、arXivおよびUSPTOの特許出願記録から得られた学術的事前印刷にまたがる3万件のフィルタリングされた文書記録を分析した。 本研究では,(1)時間的サブコーパス間の語彙変化を追跡し,構造的パラダイム変換を識別するセマンティック・セントロイドベクトルドリフト,(2)科学的発見と知的財産出願の相互ピーク密度アライメントを評価する商業化オフセットの2つの定量的指標を定式化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Macroeconomic productivity metrics, such as Total Factor Productivity, register technological breakthroughs with multi-year reporting lags due to administrative survey intervals and national accounting conventions. This paper introduces Hyperspherical Semantic Trajectory Analysis (HSTA), an unsupervised quantitative methodology that tracks technology diffusion directly from unstructured scientific and commercial text streams. We analyze 30,000 filtered document records spanning academic preprints from arXiv and patent application records from the USPTO. By projecting high-dimensional Transformer sentence embeddings onto unit hyperspheres using Spherical K-Means clustering across eight primary sub-topics and UMAP manifold reductions, HSTA formalizes two quantitative metrics: (1) Semantic Centroid Vector Drift, which tracks vocabulary shifts between temporal sub-corpora to identify structural paradigm transformations; and (2) Commercialization Offset, which evaluates cross-corpus peak density alignments between scientific discovery and intellectual property filings. Linking quarterly topic volume velocity with physical hardware metrics from the Epoch AI database, Vector Autoregressive F-tests demonstrate that quarterly paper volume velocity alone does not Granger-cause frontier compute allocation surges at conventional statistical significance levels, highlighting the necessity of conditioning textual signals on physical capital constraints. Empirical results reveal that sub-topics covering Large Language Models (with a drift metric of 0.332) and Artificial Intelligence Systems (with a drift metric of 0.234) undergo the highest rate of semantic evolution, offering an objective, real-time mechanism to complement traditional economic statistics.
• Abstract（参考訳）: トータルファクター生産性などのマクロ経済生産性指標は、行政調査期間と全国会計基準のために、複数年にわたる報告の遅れを伴う技術的ブレークスルーを登録している。 本稿では,非構造化科学および商用テキストストリームから直接技術拡散を追跡する,教師なしの定量的方法論であるHyperspherical Semantic Trajectory Analysis (HSTA)を紹介する。 我々は、arXivおよびUSPTOの特許出願記録から得られた学術的事前印刷にまたがる3万件のフィルタリングされた文書記録を分析した。 高次元トランスフォーマー文を球面K平均で単位超球面に投影することにより, HSTAは, 1) 時間的サブコーパス間のボキャブラリシフトを追跡するセマンティック・セトロイドベクトルドリフト, (2) 科学的発見と知的財産出願の間のクロスコーパスピーク密度アライメントを評価する商業化オフセットの2つの定量的指標を定式化する。 Epoch AIデータベースの物理ハードウェアメトリクスと四半期毎のトピックのボリューム速度をリンクさせることで、Vector Autoregressive F-testsは、四半期毎の紙のボリューム速度だけでは、従来の統計的重要性レベルにおけるフロンティア計算割り当ての急激な急激な増加は、物理的資本制約に対するテキスト信号の条件付けの必要性を浮き彫りにしている。 実験の結果、大規模言語モデルをカバーするサブトピック(ドリフトメトリックが0.332)と人工知能システム(ドリフトメトリックが0.234)が、従来の経済統計を補完する客観的でリアルタイムなメカニズムを提供する、セマンティック進化の最高速度を達成していることが明らかとなった。

関連論文リスト

• Topology-Driven Transferability Estimation for 3D Medical Vision Foundation Models [24.834339924064505]
  3次元医用画像における高密度予測タスクのためのボクセル・ワイド・フレームワークを提案する。 本フレームワークは,高密度特徴のスパース1-スケルトン幾何グラフと意味ラベルとのアライメントから,転送可能性を直接推定する。 本フレームワークは,平均重み付きケンドール(0.36)を56倍の速度で評価しながら,最先端の転写性評価を実現する。
  論文  参考訳（メタデータ） (2026-07-05T09:45:18Z)
• From Pixels to Digital Agents: An Empirical Study on the Taxonomy and Technological Trends of Reinforcement Learning Environments [40.37268689666231]
  強化学習(RL)は、人工エージェントの訓練や評価に用いられる環境と本質的に結びついている。 この研究は、従来の定性的なレビューを超えて、進化に関する大規模な実証的研究を提示する。
  論文  参考訳（メタデータ） (2026-03-25T05:56:54Z)
• OMNIFLOW: A Physics-Grounded Multimodal Agent for Generalized Scientific Reasoning [51.33849811496781]
  大規模言語モデル (LLM) は例外的な論理的推論能力を示しているが、部分微分方程式 (PDE) による連続力学としばしば競合する。 OMNIFLOWは, 領域固有のパラメータ更新を必要とせず, 基本物理法則で凍結LDMを基底として設計したマルチモーダルシンボリックアーキテクチャである。 我々は, 微視的乱流, 理論的ナビエ・ストークス, マクロ的世界天気予報のベンチマークでこれを評価した。
  論文  参考訳（メタデータ） (2026-03-16T18:29:01Z)
• Generalization Gaps in Political Fake News Detection: An Empirical Study on the LIAR Dataset [0.764671395172401]
  LIARベンチマークを用いて,9つの機械学習アルゴリズムの診断評価を行った。 モデルの重み付きF1スコアを超えないきめ細かい分類の「パフォーマンスシーリング」を発見した。 木に基づくアンサンブルの大規模な"一般化ギャップ"は、99%以上のトレーニング精度を達成したが、テストデータで約25%に崩壊した。
  論文  参考訳（メタデータ） (2025-12-20T23:08:18Z)
• GeoGNN: Quantifying and Mitigating Semantic Drift in Text-Attributed Graphs [59.61242815508687]
  テキスト分散グラフ(TAG)上のグラフニューラルネットワーク(GNN)は、事前訓練された言語モデル(PLM)を使用してノードテキストを符号化し、これらの埋め込みを線形近傍アグリゲーションを通じて伝播する。 本研究は,意味的ドリフトの度合いを計測する局所PCAベースの計量を導入し,異なる凝集機構が多様体構造にどのように影響するかを解析するための最初の定量的枠組みを提供する。
  論文  参考訳（メタデータ） (2025-11-12T06:48:43Z)
• Publication Trend Analysis and Synthesis via Large Language Model: A Case Study of Engineering in PNAS [0.0]
  本研究では, 適応型大規模言語モデル (LLM) を基礎として, 主題的傾向を定量化するフレームワークを提案する。 このアプローチは、米国科学アカデミー紀要によって発行された1500以上の工学論文の20年以上のコレクションで実証されている。
  論文  参考訳（メタデータ） (2025-10-17T18:57:11Z)
• Span-level Detection of AI-generated Scientific Text via Contrastive Learning and Structural Calibration [2.105564340986074]
  Sci-SpanDetはAI生成した学術テキストを検出するための構造認識フレームワークである。 セクション条件付きスタイリスティックモデリングとマルチレベルコントラスト学習を組み合わせることで、人間のニュアンスとAIの違いを捉える。 F1(AI)は80.17、AUROCは92.63、Span-F1は74.36である。
  論文  参考訳（メタデータ） (2025-10-01T13:35:14Z)
• METER: Multi-modal Evidence-based Thinking and Explainable Reasoning -- Algorithm and Benchmark [48.78602579128459]
  本稿では,画像,ビデオ,音声,映像コンテンツにまたがる偽造検出のための統合ベンチマークMETERを紹介する。 我々のデータセットは4つのトラックから構成されており、それぞれのトラックは実際のvsフェイク分類だけでなく、エビデンスチェーンに基づく説明も必要である。
  論文  参考訳（メタデータ） (2025-07-22T03:42:51Z)
• BLEURT Has Universal Translations: An Analysis of Automatic Metrics by Minimum Risk Training [64.37683359609308]
  本研究では,機械翻訳システムの学習指導の観点から,各種の主流および最先端の自動測定値について分析する。 BLEURT や BARTScore における普遍的逆変換の存在など,ある種の指標は堅牢性欠陥を示す。 詳細な分析では、これらのロバスト性障害の主な原因は、トレーニングデータセットにおける分布バイアスと、メートル法パラダイムの傾向である。
  論文  参考訳（メタデータ） (2023-07-06T16:59:30Z)

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。