arXiv cs.CLは2026年7月16日(現地時間)、科学論文の図版編集を自然言語の指示で行うための新たなベンチマークとスキル進化フレームワーク「SciDiagramEdit」を発表した。研究論文における図版の編集は、その作成から出版に至るまで日常的かつ時間のかかる作業であり、このプロセスの自動化が目指されている。SciDiagramEditは、編集可能なベクター形式の図版を対象とし、実際の論文改訂データから学習することで、編集の複雑性に対応する設計である。
SciDiagramEditは、科学論文の図版を自然言語の指示に基づいて編集するという、長年の課題解決を目指して開発された。科学図版は、図式、プロット、写真、キャプション、矢印といった多様な視覚要素が複雑に構成されており、その配置や修正には高度な専門知識と時間が求められる。これまで、これらの編集ワークフローを自動化することは技術的に困難とされてきたが、本フレームワークはこの現状を打開する可能性が指摘されている。
本フレームワークの核となるのは、学習データの収集方法である。arXivのバージョン履歴から、改訂前後の図版ペアを大規模に収集し、これを新たなベンチマークとして利用している。各ペアには、著者自身が行った改訂とその意図が反映されており、これによって人間がどのような編集を行っているかをシステムが学習できる。この「自然な論文改訂データ」が、指示駆動型の図版編集において非常に効果的な学習シグナルとなることが示唆されている。
SciDiagramEditでは、多様な編集指示に対応するために、「スキル進化」と呼ばれるエージェント学習を採用している。これは、エージェントが編集タスクを遂行する中で、自身のスキル仕様を継続的に改善していく仕組みである。具体的には、an agentic proposerが複数のエポックにわたる実行トレースから、エージェントのスキル仕様を段階的に洗練させていく。これにより、例えば特定の図形を移動させる、テキストを変更する、あるいは複数の要素を組み合わせて新しいレイアウトを作成するといった、複雑な指示にも柔軟に対応できるようになると期待されている。
検証の結果、このスキル進化アプローチにより、ホールドアウトされた検証セットにおいて編集精度が段階的に向上することが確認された。これは、人間による論文改訂データが、複雑な視覚情報の編集タスクにおける機械学習モデルの訓練に有効であることを裏付けるものである。研究者や編集者が直面する図版編集の負担を軽減し、より効率的な学術コミュニケーションを促進する一助となる可能性が指摘されている。
参考: arXiv cs.CL — 2026年7月17日 02:58 (JST)
原文ハイライト"SciDiagramEdit: Learning to Edit Scientific Diagrams from Paper Revisions"