論文の概要: ShadowMiner v1 - An Experience Report on Implementing and Measuring a Problem-and-Hypothesis Discovery Engine
- arxiv url: http://arxiv.org/abs/2610.04339v1
- Date: Sat, 03 Oct 2026 07:06:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-12 11:24:45.505423
- Title: ShadowMiner v1 - An Experience Report on Implementing and Measuring a Problem-and-Hypothesis Discovery Engine
- Title（参考訳）: ShadowMiner v1 - 問題と仮説の発見エンジンの実装と測定に関する経験報告
- Abstract要約: ShadowMiner v1は、研究の問題を自動発見し、AI論文から仮説を生成するシステムである。
ドキュメントを知識グラフに構造化し、その中にグラフのギャップ(研究における構造的な盲点)を見つける。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: ShadowMiner v1 is a system that automatically discovers research problems and generates hypotheses from AI papers. It is a nine-stage pipeline. It structures documents into a knowledge graph and finds graph gaps in it - structural blind spots in research. These graph gaps are included in the LLM generation prompt. Each generated hypothesis is then verified by checking whether it is already covered by existing research, scoring its quality, and checking that the facts it relies on are accurately drawn from its sources. This report does not propose a new generation or evaluation technique. It describes our experience of implementing and applying ideas from prior work, and measuring whether each one actually contributed.
- Abstract（参考訳）: ShadowMiner v1は、研究の問題を自動発見し、AI論文から仮説を生成するシステムである。
9段のパイプラインである。
ドキュメントを知識グラフに構造化し、その中にグラフのギャップ(研究における構造的な盲点)を見つける。
これらのグラフギャップはLLM生成プロンプトに含まれる。
生成された仮説は、既に既存の研究によってカバーされているかどうかを確認し、その品質を評価し、それが依存している事実が、その情報源から正確に引き出されたかどうかを確認することによって検証される。
本報告では,新しい世代や評価手法は提案しない。
事前の作業からアイデアを実践し、適用し、それぞれが実際に貢献したかどうかを測定するという私たちの経験について述べています。
関連論文リスト
- EviGraph: Evidence-Guided Autonomous Research Agents [12.29802995923839]
我々は,研究プロセスを表す自律的な研究フレームワークであるEviGraphを,型付きエビデンスグラフとして紹介する。
EviGraphは、依存関係の欠如、セマンティックなミスアライメント、結果定義の不整合のエビデンスチェーンを検査する。
最初期の弱いノードをローカライズし、影響を受けた下流のサブグラフを再生する。
論文 参考訳（メタデータ） (2026-08-05T12:02:55Z) - Graph2Idea:Retrieval-Augmented Scientific Idea Generation with Graph-Structured Contexts [3.548612755859995]
Graph2Ideaは、検索強化された科学的アイデア生成のための知識グラフ誘導フレームワークである。
まず、入力トピックに従って論文を検索し、構造化された知識トリプルに変換し、ターゲット中心の知識グラフを動的に構築する。
そして、ノイズの多いテキスト入力を減らしながら、目標関連リレーショナルエビデンスを保持する、コンパクトなグラフベースのコンテキストを抽出する。
論文 参考訳（メタデータ） (2026-06-08T06:58:21Z) - Paper Circle: An Open-source Multi-agent Research Discovery and Analysis Framework [82.66443886385125]
ペーパーサークル(Paper Circle)は、学術文献の発見、評価、整理、理解に必要な労力を減らすために設計された発見・分析システムである。
1)複数のソースからのオフラインおよびオンライン検索を統合するディスカバリパイプライン,多エージェントスコアリング,多様性対応ランキング,構造化アウトプット,2)個々の論文を概念,メソッド,数値などの型付きノードで構造化された知識グラフに変換する分析パイプライン,の2つの補完パイプラインで構成されている。
論文 参考訳（メタデータ） (2026-04-07T17:59:58Z) - Align-GRAG: Reasoning-Guided Dual Alignment for Graph Retrieval-Augmented Generation [79.75818239774952]
大きな言語モデル(LLM)は目覚ましい能力を示しているが、幻覚や時代遅れの情報といった問題に苦戦している。
Retrieval-augmented Generation (RAG) は、情報検索システム(IR)を用いて、外部知識のLLM出力を基底にすることで、これらの問題に対処する。
本稿では、検索後句における新しい推論誘導二重アライメントフレームワークであるAlign-GRAGを提案する。
論文 参考訳（メタデータ） (2025-05-22T05:15:27Z) - A Survey of Knowledge Graph Reasoning on Graph Types: Static, Dynamic,
and Multimodal [57.8455911689554]
知識グラフ推論(KGR)は、知識グラフに基づくマイニング論理則に基づいて、既存の事実から新しい事実を推論することを目的としている。
質問応答やレコメンデーションシステムなど、多くのAIアプリケーションでKGを使うことに大きなメリットがあることが証明されている。
論文 参考訳（メタデータ） (2022-12-12T08:40:04Z) - Out-Of-Distribution Generalization on Graphs: A Survey [45.16337435648981]
グラフ機械学習は学術と産業の両方で広く研究されている。
ほとんどの文献はI.I.D.仮説に基づいて構築されている。
この問題を解決するために、グラフのアウト・オブ・ディストリビューション(OOD)一般化は大きな進歩を遂げ、研究コミュニティから注目を集めている。
本論文は,OODのグラフへの一般化の体系的および包括的レビューとして,我々の知識を最大限に活用した最初のものである。
論文 参考訳（メタデータ） (2022-02-16T10:59:06Z) - S3M: Siamese Stack (Trace) Similarity Measure [55.58269472099399]
本稿では、深層学習に基づくスタックトレースの類似性を計算する最初のアプローチであるS3Mを紹介します。
BiLSTMエンコーダと、類似性を計算するための完全接続型分類器をベースとしている。
私たちの実験は、オープンソースデータとプライベートなJetBrainsデータセットの両方において、最先端のアプローチの優位性を示しています。
論文 参考訳（メタデータ） (2021-03-18T21:10:41Z) - A Survey of Adversarial Learning on Graphs [59.21341359399431]
本稿では,グラフ逆学習タスクに関する既存の研究を考察し,要約する。
具体的には、グラフ解析タスクにおける攻撃と防御に関する既存の作業を調査し、統一する。
我々は、関連する評価指標の重要性を強調し、それらを総合的に調査し、要約する。
論文 参考訳（メタデータ） (2020-03-10T12:48:00Z)
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。