HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

LLMはコンピュータアーキテクチャ論文を深く技術的に理解できるか

Can LLMs Perform Deep Technical Comprehension of Computer Architecture Papers (arxiv.org)

66 pointsby Jimmc41420 コメント

要約

本研究では、大規模言語モデル(LLM)がコンピュータアーキテクチャ論文を要約するだけでなく、中核メカニズムを特定し、隠れた仮定を明らかにし、貢献をその範囲を超えて関連付けるといった深い技術的理解を行えるかを評価します。Gauntletというオープンソースパイプラインを用いた実験では、人間による分析と比較してGauntletが優位性を示し、特にそのマルチエージェント構造と合成段階が効果的であることが明らかになりました。

全文翻訳

コンピュータサイエンス > コンピュータと社会

arXiv:2607.11859 (cs)

[Submitted on 13 Jul 2026 (v1), last revised 20 Sep 2026 (this version, v2)]

LLMはコンピュータアーキテクチャの論文を技術的に理解できるか?

著者: Nishant Aggarwal, Aishwarya Lekshmi Chithra, Ayushi Dubal, Sreeraj Kannakarankodi, Ian McDougall, Adarsh Mittal, Vishnu Ramadas, Noah Scott, Ranganath Selagamsetty, Weichu Yang, Karthikeyan Sankaralingam

Nishant Aggarwalと他の10名の著者による「Can LLMs Perform Technical Comprehension of Computer Architecture Papers?」というタイトルの論文のPDFを見る

PDFを見る HTML (実験的)

要旨: 大規模言語モデル(LLM)は、コンピュータアーキテクチャの論文を要約するだけでなく、構造的な批評(主要メカニズムの特定、隠れた仮定の指摘、貢献のスコープ外への接続)を行うことができるでしょうか?我々は、5人の独立した専門家ペルソナのレビュアーと敵対的合成ステージを通じて論文を分析するオープンソースパイプラインであるGauntletを研究します。20件のISCA 2025およびHPCA 2026の論文に対し、それぞれ10名の研究者が自身の分析を作成し、その後、自身の論文以外の論文について、人間の分析とGauntletの分析を比較評価しました。20件の比較のうち、評価者は15件でGauntletを支持しました(人間は4件、1件は引き分け)。アナリストごとの合計(両側ウィルコクソン検定、p < 0.001)でその優位性は顕著であり、特にクリティカルリゴア(Critical Rigor)において最大でした。人間が勝利した場合、それは深さよりも信頼性と有用性においてでした。自信を持って誤った主張、説明はされているが教えられていないメカニズム、あるいは優先順位の低い広範さなどが挙げられます。98件の論文を用いた自動アブレーションスタディにより、その利得はマルチエージェント構造に由来することが示されました。パイプラインは、単一の豊富なペルソナエージェントとして実行された同じモデルよりも、96%の論文で優れていました。我々は、すべての分析、スコア、およびルーブリックをコミュニティリソースとして公開します。

コメント:4ページ、1図
件名:コンピュータと社会 (cs.CY); ハードウェアアーキテクチャ (cs.AR); マルチエージェントシステム (cs.MA)
引用として:arXiv:2607.11859 [cs.CY]
(またはこのバージョンについては arXiv:2607.11859v2 [cs.CY])
https://doi.org/10.48550/arXiv.2607.11859 arXiv発行DOI (DataCite経由)

投稿履歴

From: Ranganath Selagamsetty
v1 Mon, 13 Jul 2026 17:45:58 UTC (1,070 KB)
v2 Sun, 20 Sep 2026 18:00:53 UTC (1,071 KB)

全文リンク:

論文にアクセス

Nishant Aggarwalと他の10名の著者による「Can LLMs Perform Technical Comprehension of Computer Architecture Papers?」というタイトルの論文のPDFを見る

ライセンスを見る

追加機能
現在の閲覧コンテキスト:

cs.CY

< 前   |   次 >

新規 | 最近 | 2026-07

以下で閲覧を変更:

cs
cs.AR
cs.MA

参考文献と引用

読み込み中...

BibTeX形式の引用

読み込み中...

提供元:

ブックマーク

[画像: BibSonomy][画像: Reddit]

書誌ツール

書誌および引用ツール

書誌エクスプローラー トグル

書誌エクスプローラー (エクスプローラーとは?)

コネクテッドペーパー トグル

コネクテッドペーパー (コネクテッドペーパーとは?)

リットマップス トグル

リットマップス (リットマップスとは?)

scite.ai トグル

scite Smart Citations (スマート引用とは?)

コード、データ、メディア

この論文に関連するコード、データ、メディア

alphaXiv トグル

alphaXiv (alphaXivとは?)

コードへのリンク トグル

CatalyzeX コードファインダー (CatalyzeXとは?)

DagsHub トグル

DagsHub (DagsHubとは?)

GotitPub トグル

Gotit.pub (GotitPubとは?)

Huggingface トグル

Hugging Face (Huggingfaceとは?)

ScienceCast トグル

ScienceCast (ScienceCastとは?)

デモ

デモ

Replicate トグル

Replicate (Replicateとは?)

Spaces トグル

Hugging Face Spaces (Spacesとは?)

Spaces トグル

TXYZ.AI (TXYZ.AIとは?)

関連記事

レコメンダーと検索ツール

インフルエンスフラワーへのリンク

インフルエンスフラワー (インフルエンスフラワーとは?)

コアレコメンダー トグル

CORE Recommender (COREとは?)

  • 著者
  • 会場
  • 機関
  • トピック

arXivLabsについて

arXivLabs: コミュニティ協力者との実験的プロジェクト

arXivLabsは、協力者がarXivの新しい機能を直接ウェブサイト上で開発・共有できるフレームワークです。

arXivLabsと協力する個人および組織は、オープンさ、コミュニティ、卓越性、ユーザーデータプライバシーという我々の価値観を受け入れ、遵守しています。arXivはこの価値観にコミットしており、それに準拠するパートナーのみと協力します。

arXivコミュニティに価値をもたらすプロジェクトのアイデアをお持ちですか? arXivLabsについてもっと知る。

この論文の著者のうち、誰が推薦者ですか? | MathJaxを無効にする (MathJaxとは?)