論文の概要: InsightRAG: Aggregating Distributed Scholarly Judgments for Scientific Survey Generation

• arxiv url: http://arxiv.org/abs/2610.28085v1
• Date: Tue, 20 Oct 2026 12:04:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.797711
• Title: InsightRAG: Aggregating Distributed Scholarly Judgments for Scientific Survey Generation
• Title（参考訳）: InsightRAG: 学術調査のための分散学習判断の集約
• Abstract要約: 著者が書いた関連作業セクションには、制限に対処するために必要な人間の判断が含まれています。 InsightRAGは、検証された研究範囲を再構築し、その結果のリレーショナルエビデンスを構造化する。 10項目の結果は, スコープ再構築, 分類学的品質, 引用支援, 基準信頼性の向上を示す。
• 参考スコア（独自算出の注目度）: 44.507592339369204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid growth of scientific literature makes survey writing increasingly challenging, motivating automatic survey generation. Yet, existing systems must search an open space of papers and an open space of concepts with no trace of how the community itself has navigated them, leading to incomplete scope, weak taxonomies, and unreliable citations. Our core insight is that author-written Related Work sections contain the human judgments needed to address both limitations: authors curate the citations relevant to their contributions and explain how the cited works relate, yielding paths for scope reconstruction and relational evidence for organization. We propose InsightRAG. Its insight-guided retrieval follows author-supported citation relations to reconstruct a verified research scope and structure the resulting relational evidence. It aggregates these judgments under a minimum-conflict objective into a taxonomy that reflects recurring author-written perspectives in the retrieved literature, guides generation, and bounds each section's evidence. Results on ten topics show gains in scope reconstruction, taxonomy quality, citation support, and reference reliability.
• Abstract（参考訳）: 科学文献の急速な成長は、調査の執筆をますます困難にし、自動的な調査生成を動機付けている。 しかし、既存のシステムは、論文のオープンスペースと概念のオープンスペースを、コミュニティ自体のナビゲート方法の痕跡のないまま検索し、不完全なスコープ、弱い分類学、信頼できない引用へと繋がる必要がある。 私たちの中核的な洞察は、著者が書いた関連作業セクションには、両方の制限に対処するために必要な人間の判断が含まれています。 我々はInsightRAGを提案する。 その洞察誘導された検索は、著者が支持する引用関係に従い、検証された研究範囲を再構築し、その結果のリレーショナルエビデンスを構造化する。 最小限の目的の下でこれらの判断をまとめて分類し、検索された文献の著者による視点を繰り返し反映し、生成をガイドし、各セクションの証拠を拘束する。 10項目の結果は, スコープ再構築, 分類学的品質, 引用支援, 基準信頼性の向上を示す。

関連論文リスト

• Optimist Deep Research: An Iterative, State-Centric Agent for Autonomous Literature Research [0.05076419064097732]
  我々は,文献研究を反復的エビデンス獲得プロセスとして運営するオープンソースエージェントであるOptimist Deep Researchを紹介する。 調査質問はサブクエストのツリーに分割され、それぞれがソース固有のクエリに変換される検索インテントによって処理される。 ドキュメントは、サポート、ロケーション、タイプ、強度を備えたクレームの構造化されたエビデンスストアに並行して読み込まれる。
  論文  参考訳（メタデータ） (2026-10-16T11:04:43Z)
• FootprintRAG: Visual Analytics for Evidence Context Refinement in RAG-based Scientific Literature Exploration [11.955179033047331]
  本稿では,RAGに基づく科学的文献探索のための視覚分析システムであるフットプリントRAGを紹介する。 このシステムはRAGエビデンスコンテキストを、生成前に明示的で、検査可能で、修正可能な分析対象として扱う。 FootprintRAGは、ユーザーが検索の方向を比較し、候補の証拠を訂正し、見落とされた証拠を回収し、エビデンスユニットをサポートするために生成された要約をトレースする。
  論文  参考訳（メタデータ） (2026-09-17T02:29:37Z)
• ReCite: Agentic Reasoning for Faithful Citation [31.917273891035478]
  我々は、正確な引用には類似性に基づく検索からアクティブなクレームレベルの推論へのシフトが必要であると主張している。 本稿では、位置認識、意図認識型クエリ計画、反射的検証を編成する分離されたエージェントフレームワークであるReCiteを提案する。 実験により、我々のフレームワークは厳密な引用精度で最先端の大量生成モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2026-09-08T17:59:50Z)
• CiteAudit: You Cited It, But Did You Read It? A Benchmark for Verifying Scientific References in the LLM Era [51.63024682584688]
  大規模言語モデル (LLM) は新たなリスクを導入している。 本稿では,科学文献における幻覚的引用のための総合的なベンチマークおよび検出フレームワークについて紹介する。 我々のフレームワークは、精度と解釈可能性の両方において、先行手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-02-26T19:17:39Z)
• SECite: Analyzing and Summarizing Citations in Software Engineering Literature [0.13999481573773073]
  SECiteは、引用文脈の感情分析を通じて学術的影響を評価するための新しいアプローチである。 我々は,9つの研究論文を参照して引用を抽出する半自動パイプラインを開発した。 我々は、教師なし機械学習を用いた高度な自然言語処理(NLP)技術を用いて、これらの引用文を正あるいは負のものとして分類する。
  論文  参考訳（メタデータ） (2026-01-12T19:10:01Z)
• OpenNovelty: An LLM-powered Agentic System for Verifiable Scholarly Novelty Assessment [63.662126457336534]
  OpenNoveltyは、透明で証拠に基づく新規性分析のためのエージェントシステムである。 回収された実論文のすべての評価を根拠にし、検証可能な判断を確実にする。 OpenNoveltyは、公正で一貫性があり、エビデンスに支えられたピアレビューを促進するスケーラブルなツールで、研究コミュニティに力を与えることを目指している。
  論文  参考訳（メタデータ） (2026-01-04T15:48:51Z)
• WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research [73.58638285105971]
  本稿では,AIエージェントが膨大なWebスケール情報を洞察に富むレポートに合成しなければならない複雑な課題であるtextbfopen-ended Deep Research (OEDR) に取り組む。 人間の研究プロセスをエミュレートする新しいデュアルエージェントフレームワークである textbfWebWeaver を紹介する。 私たちのフレームワークは、DeepResearch Bench、DeepConsult、DeepResearchGymなど、主要なOEDRベンチマークにまたがる最先端の新たなベンチマークを確立しています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:21Z)
• In-depth Research Impact Summarization through Fine-Grained Temporal Citation Analysis [52.42612945266194]
  我々は、ニュアンス付き、表現型、時間対応のインパクトサマリーを生成する新しいタスクを提案する。 これらの要約は、微粒な引用意図の進化を通じて、賞賛(確認引用)と批評(補正引用)の両方を捉えていることを示す。
  論文  参考訳（メタデータ） (2025-05-20T19:11:06Z)

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。