学術論文レビュースキル

概要

このスキルは、学術論文および研究出版物に対して構造化されたピアレビュー品質の分析を生成します。トップティアの会場(NeurIPS、ICML、ACL、Nature、IEEE)で使用されている確立された学術レビュー基準に従い、厳密で建設的かつバランスの取れた評価を提供します。

レビューは要約、強み、弱み、方法論評価、貢献度評価、文献上の位置付け、実行可能な推奨事項をカバーします — すべて論文自体からの根拠に基づいています。

コア機能

• アップロードされたPDFまたはフェッチされたURLから学術論文を解析し理解する
• トップティア会場のレビューテンプレートに従った構造化レビューを生成する
• 方法論の厳密性を評価する(実験設計、統計的妥当性、再現性)
• 貢献の新規性および有意性を評価する
• ターゲット化された文献検索を通じて、より広い研究ランドスケープ内に研究を位置付ける
• 限界、ギャップ、および改善の可能性を特定する
• 詳細なレビューおよび簡潔なエグゼクティブサマリーの両方の形式を作成する
• あらゆる科学領域の論文をサポートする(CS、生物学、物理学、社会科学など)

このスキルを使用する場合

常にこのスキルをロードしてください:

• ユーザーが論文URL(arXiv、DOI、学会議事録、ジャーナルリンク)を提供したとき
• ユーザーが研究論文またはプレプリントのPDFをアップロードしたとき
• ユーザーが研究論文を「レビュー」「分析」「批評」「評価」または「要約」するように求めたとき
• ユーザーが研究の強みと弱みを理解したいとき
• ユーザーが学術的業績のピアレビュースタイルの評価をリクエストしたとき
• ユーザーが学会またはジャーナル投稿のレビュー準備を支援するよう求めたとき

レビュー方法論

フェーズ1: 論文の理解

判断を形成する前に論文を徹底的に読んで理解してください。

ステップ1.1: 論文メタデータの識別

以下を抽出して記録します:

フィールド	説明
タイトル	論文の完全なタイトル
著者	著者リストおよび所属
会場/ステータス	出版会場、プレプリントサーバー、またはサブミッションステータス
年	発行年またはサブミッション年
領域	研究分野およびサブフィールド
論文タイプ	実証的、理論的、サーベイ、位置論文、システム論文など

ステップ1.2: 深読みパス

論文を体系的に読みます:

1. 要約と導入 — 主張された貢献と動機を特定する
2. 関連研究 — 著者が先行研究との関連で自分たちの業績をどのように位置付けているかに注意する
3. 方法論 — 提案されたアプローチ、モデル、またはフレームワークを詳細に理解する
4. 実験/結果 — データセット、ベースライン、メトリクス、および報告された結果を調べる
5. 議論と限界 — 自己認識された限界に注意する
6. 結論 — 結論付けられたクレームと実際に提示された証拠を比較する

ステップ1.3: 主要クレーム抽出

論文の主要クレームを明示的にリストアップします:

クレーム1: [貢献または発見に関する具体的なクレーム]
証拠: [このクレームをサポートする論文内の証拠]
強度: [強い/中程度/弱い]

クレーム2: [...]
...

フェーズ2: 批判的分析

ステップ2.1: 文献コンテキスト検索

ウェブ検索を使用して研究ランドスケープを理解します:

検索クエリ:
- "[論文トピック] state of the art [現在年]"
- "[キーメソッド名] comparison benchmark"
- "[著者] previous work [トピック]"
- "[特定の技術] limitations criticism"
- "survey [研究領域] recent advances"

関連論文またはサーベイでweb_fetchを使用して、この業績がどこに適合するかを理解します。

ステップ2.2: 方法論評価

以下のフレームワークを使用して方法論を評価します:

基準	問い合わせる質問	評価
正当性	アプローチは技術的に正確ですか? 論理的欠陥はありますか?	1-5
新規性	本当に新しいものは何ですか vs 段階的改善?	1-5
再現性	再現するのに十分な詳細はありますか? コード/データは利用可能ですか?	1-5
実験設計	ベースラインは公平ですか? アブレーションは適切ですか? データセットは適切ですか?	1-5
統計的厳密性	結果は統計的に有意ですか? 誤差棒は報告されていますか? 複数実行?	1-5
スケーラビリティ	アプローチはスケールしますか? 計算コストは議論されていますか?	1-5

ステップ2.3: 貢献有意性評価

有意性レベルを評価します:

レベル	説明	基準
ランドマーク	分野を根本的に変える	新しいパラダイム、広く適用可能なブレークスルー
有意	最先端技術を進める強い貢献	明確な改善と堅実な証拠
中程度	いくつかの限界を持つ有用な貢献	段階的であるが有効な改善
周辺的	既存業績に対する最小限の進展	小さな利得、狭い適用性
閾値以下	出版基準を満たさない	根本的な欠陥、不十分な証拠

ステップ2.4: 強みと弱みの分析

各強みまたは弱みについて、以下を提供します:

• 何か: 具体的な観察
• どこか: セクション/図/表の参照
• なぜそれが重要か: 論文のクレームまたは有用性への影響

フェーズ3: レビューの総合化

ステップ3.1: 構造化レビューの組立

以下のテンプレートを使用して最終レビューを作成します。

レビュー出力テンプレート

# 論文レビュー: [論文タイトル]

## 論文メタデータ
- **著者**: [著者リスト]
- **会場**: [出版会場またはプレプリントサーバー]
- **年**: [年]
- **領域**: [研究分野]
- **論文タイプ**: [実証的/理論的/サーベイ/システム/位置論文]

## エグゼクティブサマリー

[論文の核となる貢献、アプローチ、および主要な知見の2~3段落の要約。
全体的な評価を事前に述べてください: 論文が何をうまくしているか、どこで不足しているか、
そして貢献が主張された会場/影響レベルに対して十分であるかどうか。]

## 貢献の要約

1. [最初に主張された貢献 — 1文]
2. [2番目に主張された貢献 — 1文]
3. [その他の貢献がある場合]

## 強み

### S1: [簡潔な強みのタイトル]
[論文内の特定のセクション、図、または表への参照を使用した詳細な説明。
これが強みである理由とその有意性を説明してください。]

### S2: [簡潔な強みのタイトル]
[...]

### S3: [簡潔な強みのタイトル]
[...]

## 弱み

### W1: [簡潔な弱みのタイトル]
[具体的な参照を使用した詳細な説明。この弱みが論文のクレームに対する影響を説明してください。
それがどのように対処されるかを提案してください。]

### W2: [簡潔な弱みのタイトル]
[...]

### W3: [簡潔な弱みのタイトル]
[...]

## 方法論評価

| 基準 | 評価 (1-5) | 評価 |
|-----|:---:|--------|
| 正当性 | X | [簡潔な正当化] |
| 新規性 | X | [簡潔な正当化] |
| 再現性 | X | [簡潔な正当化] |
| 実験設計 | X | [簡潔な正当化] |
| 統計的厳密性 | X | [簡潔な正当化] |
| スケーラビリティ | X | [簡潔な正当化] |

## 著者への質問

1. [懸念または曖昧さを明確にする具体的な質問]
2. [方法論の選択肢または代替アプローチに関する質問]
3. [一般化可能性または実用的な適用性に関する質問]

## マイナーな問題

- [タイプ、フォーマット問題、不明瞭な図、表記法の矛盾]
- [引用されるべき不足している参考文献]
- [改善された明確さのための提案]

## 文献上の位置付け

[この業績は最先端技術とどのように関連していますか?
主要な関連業績は引用されていますか? 比較は公平で包括的ですか?
どんな重要な関連業績が不足していますか?]

## 推奨事項

**全体的な評価**: [受理/弱い受理/境界線上/弱い却下/却下]

**信頼度**: [高/中/低] — [信頼度レベルの正当化]

**貢献レベル**: [ランドマーク/有意/中程度/周辺的/閾値以下]

### 改善のための実行可能な提案
1. [具体的で建設的な提案]
2. [具体的で建設的な提案]
3. [具体的で建設的な提案]

レビュー原則

建設的な批評

• 常に修正方法を提案してください — 問題を指摘するだけでなく、解決策を提案してください
• 相応の信用を与えてください — 欠陥のある論文でも本物の貢献を認めてください
• 具体的になってください — 正確なセクション、式、図、表を参照してください
• 軽微と主要を区別してください — 致命的な欠陥と修正可能な問題を区別してください

客観性基準

• ❌ 「この論文は下手に書かれている」(曖昧で役に立たない)
• ✅ 「セクション3.2は記法Xを正式な定義なしで導入し、定理1の証明が理解しにくくなっています。問題の定式化の後に記法表を追加することを検討してください。」(具体的で実行可能)

倫理的なレビュー実践

• 著者の評判または所属に基づいて業績を却下しないでください
• 業績自体のメリットに基づいて評価してください
• 潜在的な倫理的懸念(データセットのバイアス、デュアルユース含意)を建設的にフラグを立ててください
• 未発表の業績の機密性を維持してください

論文タイプ別の適応

論文タイプ	焦点領域
実証的	実験設計、ベースライン、統計的有意性、アブレーション、再現性
理論的	証明の正確性、仮定の合理性、境界の緊密性、実践への接続
サーベイ	包括性、分類の質、最近の業績のカバレッジ、統合の洞察
システム	アーキテクチャの決定、スケーラビリティの証拠、現実世界での展開、エンジニアリングの貢献
位置論文	議論の一貫性、クレームの証拠、影響の可能性、特性評価の公正さ

避けるべき一般的な落とし穴

• ❌ サブミットされた論文ではなく、書かれるべき論文をレビューする
• ❌ 不合理なスコープの追加実験を要求する
• ❌ 異なる問題を解決していないことで論文にペナルティを与える
• ❌ 技術的貢献よりも文章の質に過度に影響される
• ❌ 自分たちの業績との比較がないことを弱みとして扱う
• ❌ 批判的分析なしに要約のみを提供する

品質チェックリスト

レビューを最終化する前に、以下を確認してください:

• 論文は完全に読まれた(要約と導入だけではなく)
• すべての主要クレームが特定され、証拠に対して評価された
• 少なくとも3つの強みと3つの弱みが具体的な参照とともに提供されている
• 方法論評価表は評価と正当化とともに完全である
• 著者への質問は修辞的な批評ではなく本物の曖昧さをターゲットにしている
• 貢献を文脈化するために文献検索が実施された
• 推奨事項は実行可能で建設的である
• 全体的な評価は特定された強みと弱みと一貫している
• レビューのトーンはプロフェッショナルで敬意がある
• マイナーな問題は主要な懸念から分離されている

出力形式

• 完全なレビューをMarkdown形式で出力してください
• サンドボックスで作業するときは、レビューを/mnt/user-data/outputs/review-{paper-topic}.mdに保存してください
• present_filesツールを使用してユーザーにレビューを提示してください

注釈

• このスキルはdeep-researchスキルを補完します — ユーザーが広い分野の文脈でレビューされた論文を望む場合、両方をロードしてください
• ペイウォールの背後にある論文については、利用可能なコンテンツで作業してください(要約、公開版、プレプリントミラー)
• レビュー深度をユーザーのニーズに適応させてください: 簡単なトリアージのための簡潔な評価対 サブミッション準備のための完全なレビュー
• 複数の論文を比較的にレビューする場合は、すべてのレビュー間で一貫した基準を維持してください
• 常にレビューの限界を開示してください(例: 「付録Bの証明を詳細に検証できませんでした」)