Fugu-MT 論文翻訳(概要): Do Agents Need a New Kind of Paper? SPRA: Structured Paper Representation for Agents

論文の概要: Do Agents Need a New Kind of Paper? SPRA: Structured Paper Representation for Agents

arxiv url: http://arxiv.org/abs/2610.21424v2
Date: Mon, 19 Oct 2026 08:27:16 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-21 06:32:45.311352
Title: Do Agents Need a New Kind of Paper? SPRA: Structured Paper Representation for Agents
Title（参考訳）: エージェントは新しい種類の紙を必要とするか? : SPRA: エージェントのための構造化紙表現
Abstract要約: SPRA(Structured Paper Representation for Agents)は、永続的な研究対象と型付き関係の紙レベル表現である。我々は、100万以上のAI論文にSPRAをインスタンス化し、1995万の研究ユニットと2407万の内的関係を持つ。
参考スコア（独自算出の注目度）: 6.266687840962098
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Scientific agents must connect research problems, methods, and findings dispersed through narrative articles. We introduce SPRA (Structured Paper Representation for Agents), a paper-level representation of persistent research objects and typed relations. Its empirical-AI profile organizes Problems, Contributions, Components, ExperimentSetups, Measures, and Findings for querying, traversal, and reuse. Selected paper-level citation relations record dependencies, component use, and comparisons with prior work; source locations support verification. We instantiate SPRA across more than one million AI papers, with 19.95 million research units and 24.07 million internal relations. Evaluations access SPRA through Schema-RAG with task evidence fixed before inference. Across seven subfields, SPRA improves source-conditioned scientific QA by 0.381/5 over passage retrieval while remaining close to Full Compact (0.078/5 lower on average). In directed cross-paper reasoning, qualification improves by 0.184/5 over passage retrieval; Top-5 synthesis shows mixed quality effects. Across all paired RQ2 tasks, including Top-5, input+output tokens decrease by 28.5% relative to passage retrieval and 95.3% relative to Full Compact. In idea generation, a 0.067-point lower Overall score than Full Compact accompanies 93.7% fewer input+output tokens. Together, these results support SPRA as a usable representation of scientific content and a foundation for research workflows that connect, inspect, and reuse paper-level research objects. The SPRA resource is accessible through the Sciverse scholarly-data platform.
Abstract（参考訳）: 科学的エージェントは、物語記事を通じて分散された研究問題、方法、発見を結びつける必要がある。本稿では,SPRA(Structured Paper Representation for Agents)について紹介する。その実証AIプロファイルは、問題、コントリビューション、コンポーネント、実験セット、対策、クエリ、トラバース、再利用のための発見を整理する。選択された紙レベルの引用関係は、依存関係、コンポーネントの使用、以前の作業との比較を記録し、ソース位置が検証をサポートする。我々は、100万以上のAI論文にSPRAをインスタンス化し、1995万の研究ユニットと2407万の内的関係を持つ。推論の前にタスクエビデンスを固定したSchema-RAGを通じてSPRAにアクセスする。 7つのサブフィールドにわたって、SPRAはソース条件の科学的なQAを0.381/5で改善し、Full Compactに近い(平均0.078/5以下)。有向なクロスペーパー推論では、パス検索よりも0.184/5で資格が向上し、Top-5合成は混合品質効果を示す。トップ5を含む全てのRQ2タスクにおいて、入力+出力トークンは通訳検索に対して28.5%減少し、フルコンパクトに対して95.3%減少している。アイデア生成では、Full Compactよりも0.067ポイント低いスコアが93.7%少ないインプット/アウトプットトークンである。これらの結果はSPRAを科学内容の有用な表現としてサポートし、論文レベルの研究オブジェクトを接続し、検査し、再利用する研究ワークフローの基礎となる。 SPRAリソースはSciverseの学術データプラットフォームを通じてアクセス可能である。

関連論文リスト

PaperGym: Rubric-Centered Evolution for Research-Plan Generation [69.5921878728483]
各研究論文を完全なトレーニング環境に変換する統合フレームワークであるPaperGymを紹介する。 PaperGymは論文の構造を利用しており、質問は研究目標と背景から合成され、基準は手法と実験から導かれる。レシピが固定され、PaperGym-20kで訓練されたモデルが3方向比較の58.1%を獲得し、Hub Scienceの28.2%が勝利した。
論文参考訳（メタデータ） (2026-08-31T17:31:18Z)
Deep Academic Survey: Stateful Agentic Closed-Loop Paradigm for Academic Survey Automation [60.151050016855834]
DASは出版指向の学術調査を作成するためのステートフルなエージェント・フレームワークである。その鍵となる考え方は、再利用可能な紙分析とトピック固有の原稿構築を分離することである。 DASは4つの次元で最高点に達し、総合スコアは4.34であり、最強の競争相手は4.03である。
論文参考訳（メタデータ） (2026-08-18T17:29:00Z)
Novelty-Aware Agentic Retrieval: Comparing Research Contributions Through Structured Multi-Step Reasoning [0.0]
ノベルティ・アウェア・リサーチ・エージェント(英: Novelty-Aware Research Agent)は、エージェント検索システムのプロトタイプである。 RAGパイプライン上の多段階推論を6つのタイプドコントラクトコンポーネントを通じて階層化する。論文毎のコントリビューション記録、紙レベルのオーバーラップ、問題xメソッドギャップマトリックスなど、構造化された比較アーティファクトを生成する。
論文参考訳（メタデータ） (2026-06-20T17:04:02Z)
Agents-K1: Towards Agent-native Knowledge Orchestration [59.22667222947257]
textbfAgents-K1はエンドツーエンドの知識オーケストレーションパイプラインである。生文書をエージェントネイティブな科学知識グラフに変換する。我々は6つの被験者にわたる246万件の科学論文を処理し、TextbfScholar-KGを作成し、そのうち100万件の論文のサブセットを公開します。
論文参考訳（メタデータ） (2026-06-11T17:58:35Z)
How Far Are We From True Auto-Research? [20.195549933333222]
ResearchArenaは最小限の足場で、市販のエージェント自身が完全な研究ループを実行できる。 13のコンピュータサイエンスシードとエージェントドメインペア当たりのトライアルで、ResearchArenaは117のエージェント生成論文を生成する。エージェント生成された117の論文のうち、トップレベルの会場の受け入れバーには到達しない。
論文参考訳（メタデータ） (2026-05-18T22:20:33Z)
The Last Human-Written Paper: Agent-Native Research Artifacts [106.47848184955576]
本稿では,物語紙を機械処理可能な研究パッケージに置き換えるプロトコルであるAgent-Native Research Artifact(ARA)を紹介する。通常の開発において決定と終了をキャプチャするLive Research Manager、レガシPDFとリポジトリをARAに変換するARAコンパイラ、人間レビュアーが重要性、ノベルティ、味にフォーカスできるように客観的チェックを自動化するARAネイティブレビューシステムである。
論文参考訳（メタデータ） (2026-04-27T16:23:09Z)
ResearchGym: Evaluating Language Model Agents on Real-World AI Research [48.46915933681714]
我々は、エンドツーエンドの研究においてAIエージェントを評価するためのベンチマークおよび実行環境であるResearchGymを紹介する。これを実現するために,ICML,ICLR,ACLの5つの口頭およびスポットライト論文を再利用した。 GPT-5を動力とするエージェントの制御評価において、我々は鋭い能力-信頼性ギャップを観察する。
論文参考訳（メタデータ） (2026-02-16T19:00:03Z)
RPC-Bench: A Fine-grained Benchmark for Research Paper Comprehension [65.81339691942757]
RPC-Bench(RPC-Bench)は、高品質なコンピュータサイエンス論文のレビュー・リビューの交換から構築された大規模質問応答ベンチマークである。我々は、科学研究の流れに沿ったきめ細かい分類を設計し、モデルがなぜ、何、どのように学術的な文脈で質問するかを理解し、答える能力を評価する。
論文参考訳（メタデータ） (2026-01-14T11:37:00Z)
Generation of Highlights from Research Papers Using Pointer-Generator Networks and SciBERT Embeddings [5.095525589147811]
我々は,入力トークンをSciBERT埋め込みにエンコードする入力に,カバレッジ機構を備えたポインタジェネレータネットワークとコンテキスト埋め込み層を用いる。我々は、ベンチマークデータセットCSPubSumでモデルをテストし、また、自動研究ハイライト生成のための新しい論文の多分野コーパスであるMixSubを提示する。
論文参考訳（メタデータ） (2023-02-14T12:45:14Z)

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。