Café Papier : Du Déluge Documentaire à l'Intuition Recherchée
Paper Espresso: From Paper Overload to Research Insight
April 6, 2026
Auteurs: Mingzhe Du, Luu Anh Tuan, Dong Huang, See-kiong Ng
cs.AI
Résumé
Le rythme accéléré des publications scientifiques rend de plus en plus difficile pour les chercheurs de se tenir au courant. Nous présentons Paper Espresso, une plateforme open-source qui découvre, résume et analyse automatiquement les articles arXiv tendances. Le système utilise des grands modèles de langage (LLM) pour générer des résumés structurés avec des labels thématiques et des mots-clés, et fournit une analyse des tendances à granularité multiple (quotidienne, hebdomadaire et mensuelle) via une consolidation thématique pilotée par LLM. Après plus de 35 mois de déploiement continu, Paper Espresso a traité plus de 13 300 articles et a rendu publiques toutes les métadonnées structurées, révélant une dynamique riche du paysage de la recherche en IA : un pic mi-2025 sur l'apprentissage par renforcement pour le raisonnement des LLM, une émergence thématique non saturante (6 673 sujets uniques), et une corrélation positive entre la nouveauté des sujets et l'engagement communautaire (2,0x de votes positifs médians pour les articles les plus novateurs). Une démonstration en direct est disponible à l'adresse https://huggingface.co/spaces/Elfsong/Paper_Espresso.
English
The accelerating pace of scientific publishing makes it increasingly difficult for researchers to stay current. We present Paper Espresso, an open-source platform that automatically discovers, summarizes, and analyzes trending arXiv papers. The system uses large language models (LLMs) to generate structured summaries with topical labels and keywords, and provides multi-granularity trend analysis at daily, weekly, and monthly scales through LLM-driven topic consolidation. Over 35 months of continuous deployment, Paper Espresso has processed over 13,300 papers and publicly released all structured metadata, revealing rich dynamics in the AI research landscape: a mid-2025 surge in reinforcement learning for LLM reasoning, non-saturating topic emergence (6,673 unique topics), and a positive correlation between topic novelty and community engagement (2.0x median upvotes for the most novel papers). A live demo is available at https://huggingface.co/spaces/Elfsong/Paper_Espresso.