arXiv'de iki yeni yapay zekâ makalesi: PaperFormalizer ve PaperScorer

arXiv preprint deposunda 26 Ekim 2026 tarihinde yayımlanan iki farklı makale, yapay zekâ destekli araştırma değerlendirme araçlarını gündeme getiriyor. Jiyuan Tan'ın yazdığı PaperFormalizer, yazarların LaTeX kaynaklarını Lean tabanlı bir işlem hattıyla doğrulanabilir hale getirmesine yardımcı oluyor. Sachin Konan'ın geliştirdiği PaperScorer ise sadece bir makalenin metin veya sayfa görüntüsünden peer-review kabul-red kararını tahmin etmeyi hedefliyor.

PaperFormalizer'ın işleyişi

PaperFormalizer, LaTeX kaynaklarından başlayarak makaleleri bağımlılık grafiği haline getiriyor. Her ifade doğallık, belirsizlik ve doğruluk açısından denetleniyor. Daha sonra ifadeler Lean ile Mathlib, isteğe bağlı alan kütüphaneleri ve yazarın kişisel araç setine karşı formalize ediliyor ve kanıtlanıyor.

Araç, bir ifadenin birden fazla okumaya izin verdiğinde duruyor ve her onarımı doğal dilde ve TeX simgeleriyle bir teklif olarak yazarın onayına sunuyor. Çıktıda açıklamalı ve revize edilmiş makale, değişiklik raporu ve her bildirimi ilgili ifadeye bağlayan Lean kodu yer alıyor. PaperFormalizer, Claude Code veya Codex gibi bir kodlama aracı içinde çalışıyor ve kullanıcılar tarafından paylaşılan Lean kodlu makaleler mevcut.

PaperScorer'ın tahmin performansı

PaperScorer, yazar kimliği ve biçimlendirme kısayolları çıkarıldıktan sonra sadece karar üzerinden eğitilen bir model ailesi. Metin veya sayfa ekran görüntüsünden bir makalenin kabul veya reddini tahmin edebiliyor. Görüntü modelleri, ICLR makalelerinde %68 ve arXiv makalelerinde %77 doğrulukla metin tabanlı ve sınır akıl modellerini geride bırakıyor.

Sayfa görüntüleri, düz metinden farklı olarak şekiller, düzen ve sunumu koruyor. Bu sinyal daha küçük modeller ve tek bir görüntüye sıkıştırılmış makaleler için de dayanıklı kalıyor. PaperScorer, en düşük ve en yüksek puanlı makalelerde en güçlüdürken, orta puanlı makaleler modeller ve sınır akıl sistemleri için tahmin edilemez kalıyor. Güven skoru kalibre edilmiş; en güvenli tahminleri de en doğru tahminlerdir. PaperScorer'ın NeurIPS 2026 konferansında kabul edildiği belirtildi.

Neden önemli?

Otomatik araştırma değerlendirmesi genellikle kıyas performansıyla sınırlıdırken, bir çalışmanın bütünsel katkısı peer review ile değerlendirilir. PaperFormalizer, dikkatle denetlenmiş makalelerin bile kanıtlarında veya varsayımlarda küçük boşluklar bırakabileceğini öne sürürken, PaperScorer makale kabul-red kararının sadece makale üzerinden tahmin edilebilip edilemeyeceğini araştırıyor.

Kaynak: arXiv — Artificial Intelligence, arXiv — Machine Learning

Temsili görsel: Pexels / Pixabay