論文の概要: Asterism: Exploring and Synthesizing Scattered Observations into Literature-Grounded Hypotheses and Theories

• arxiv url: http://arxiv.org/abs/2610.02673v1
• Date: Fri, 02 Oct 2026 01:55:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.160369
• Title: Asterism: Exploring and Synthesizing Scattered Observations into Literature-Grounded Hypotheses and Theories
• Title（参考訳）: アステリズム: 散乱観測から文学を取り巻く仮説と理論への探索と合成
• Abstract要約: ある理論は、多くの独立した観察を新しい仮説で一つの枠組みに引き込む。 そのような理論を構築する研究者は、多くの論文に散在する観察を合成しなければならない。 近年のアプローチでは、LLMを用いて理論合成をスケールするが、研究者による選択や直観を自動化している。 我々は、何百もの論文から、概念関係三重項として観察を抽出し、概念を階層的オントロジーで統一するアステリズムを提示する。
• 参考スコア（独自算出の注目度）: 32.301929591213664
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: A theory draws many independent observations into one framework with novel hypotheses. A researcher building such a theory must synthesize observations scattered across many papers, each describing related concepts but often in different terms. Which concepts matter most also depends on their preferences and research questions. Recent approaches scale theory synthesis with LLMs, but automate away choices and intuitions from researchers. We present Asterism, which extracts observations from hundreds of papers as concept-relation triples, with concepts unified in a hierarchical ontology. Researchers curate an evidence graph using the ontology and aggregate observations at different levels of granularity to focus theory formation on specific phenomena of interest. In a field deployment (n=10), researchers worked from observations to theories, and kept concepts and hypotheses fitting their preferences. In two case studies, teams of immunology and agriculture researchers discovered mechanisms outside their standard analyses and constructed hypotheses worth follow-up experiments.
• Abstract（参考訳）: ある理論は、多くの独立した観察を新しい仮説で一つの枠組みに引き込む。 そのような理論を構築する研究者は、多くの論文に散在する観察を合成しなければならない。 どの概念が最も重要かは、好みや研究上の疑問にも依存する。 近年のアプローチでは、LLMを用いて理論合成をスケールするが、研究者による選択や直観を自動化している。 我々は、何百もの論文から、概念関係三重項として観察を抽出し、概念を階層的オントロジーで統一するアステリズムを提示する。 研究者は、オントロジーを用いてエビデンスグラフをキュレートし、様々な粒度の観察を行い、興味のある特定の現象に理論の形成を集中させる。 現場での展開(n=10)では、研究者は観測から理論まで研究し、概念や仮説を好みに合うように保った。 2つのケーススタディにおいて、免疫学と農業の研究者たちは、彼らの標準分析の外でメカニズムを発見し、フォローアップする価値のある仮説を構築した。

関連論文リスト

• Replications, Revisions, and Reanalyses: Managing Empirical Evidence in Software Engineering [6.147136878250444]
  分散理論の妥当性は、複数の証拠の合成に由来する。 SEにおける研究合成は稀であり、ほとんどの場合、純粋な物語合成に限られる。 実証された個々のメソッドフラグメントから研究合成を行うためのフレームワークを構築するために,手法工学を適用した。
  論文  参考訳（メタデータ） (2026-09-05T08:57:53Z)
• Automated Adversarial Collaboration for Advancing Theory Building in the Cognitive Sciences [9.858210301644549]
  本稿では,競合する理論間の共役を行うための自動対向協調フレームワークを提案する。 このシステムは、LCMに基づく理論エージェント、プログラム合成、閉ループにおける情報理論の実験設計を組み合わせる。
  論文  参考訳（メタデータ） (2026-04-28T11:41:08Z)
• There Will Be a Scientific Theory of Deep Learning [62.690977616250954]
  我々は、深層学習の科学的理論が出現しつつあることを主張する。 我々は、そのような理論を導く5つの成長する仕事の体を同定する。 我々は、新しい理論は学習過程の力学と考えるのが一番良いと論じる。
  論文  参考訳（メタデータ） (2026-04-23T13:58:12Z)
• Replications, Revisions, and Reanalyses: Managing Variance Theories in Software Engineering [4.147594239309427]
  変数理論は、1つ以上の独立変数が依存変数で生じる分散を定量化する。 ソフトウェアエンジニアリング(SE)では、分散理論は、ツールやテクニック、その他の治療がソフトウェア開発の結果に与える影響を定量化するために使われます。
  論文  参考訳（メタデータ） (2024-12-17T07:56:18Z)
• Causal Representation Learning from Multimodal Biomedical Observations [57.00712157758845]
  バイオメディカルデータセットの理解を容易にするために,マルチモーダルデータに対するフレキシブルな識別条件と原理的手法を開発した。 主要な理論的貢献は、モジュラリティ間の因果関係の構造的空間性である。 実世界のヒト表現型データセットの結果は、確立された生物医学研究と一致している。
  論文  参考訳（メタデータ） (2024-11-10T16:40:27Z)
• Context-Aware Reasoning On Parametric Knowledge for Inferring Causal Variables [49.31233968546582]
  本稿では,部分因果グラフの完成を目的とした新しいベンチマークを提案する。 原因と効果の間のバックドア変数を仮説化するLLMの強い能力を示す。 固定された関連性の単純な記憶とは異なり、我々のタスクはグラフ全体のコンテキストに応じてLCMを推論する必要がある。
  論文  参考訳（メタデータ） (2024-09-04T10:37:44Z)
• Class-wise Activation Unravelling the Engima of Deep Double Descent [0.0]
  二重降下は、機械学習領域内の反直観的な側面を示す。 本研究では,二重降下現象を再考し,その発生状況について考察した。
  論文  参考訳（メタデータ） (2024-05-13T12:07:48Z)
• Large Language Models for Automated Open-domain Scientific Hypotheses Discovery [50.40483334131271]
  本研究は,社会科学の学術的仮説発見のための最初のデータセットを提案する。 従来のデータセットとは異なり、新しいデータセットには、(1)オープンドメインデータ(RAW Webコーパス)を観察として使用すること、(2)人間性にさらに新しい仮説を提案することが必要である。 パフォーマンス向上のための3つのフィードバック機構を含む,タスクのためのマルチモジュールフレームワークが開発されている。
  論文  参考訳（メタデータ） (2023-09-06T05:19:41Z)
• A Causal Research Pipeline and Tutorial for Psychologists and Social Scientists [7.106986689736828]
  因果関係は世界を理解する科学的努力の基本的な部分である。 残念なことに、因果関係は心理学や社会科学の多くの分野においていまだに曖昧である。 研究に因果的アプローチを採用することの重要性に対する多くの勧告によって、我々は、必然的に因果的理論を研究パイプラインの他の部分と調和させるために、心理学における研究の典型的なアプローチを再構築する。
  論文  参考訳（メタデータ） (2022-06-10T15:11:57Z)

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。