ペーパーエスプレッソ：論文過多から研究洞察へ
Paper Espresso: From Paper Overload to Research Insight
April 6, 2026
著者: Mingzhe Du, Luu Anh Tuan, Dong Huang, See-kiong Ng
cs.AI
要旨
科学出版の加速化により、研究者が最新動向を把握することはますます困難になっている。本論文では、arXivのトレンド論文を自動的に発見・要約・分析するオープンソースプラットフォーム「Paper Espresso」を提案する。本システムは大規模言語モデル（LLM）を活用し、トピックラベルとキーワード付きの構造化要約を生成し、LLM駆動によるトピック統合を通じて日次・週次・月次というマルチスケールのトレンド分析を提供する。35ヶ月にわたる継続的な運用により、Paper Espressoは13,300本以上の論文を処理し、全ての構造化メタデータを公開。AI研究生態系の豊かなダイナミクスを明らかにした：2025年半ばのLLM推論における強化学習の急増、飽和しないトピック創発（6,673のユニークトピック）、トピック新規性とコミュニティエンゲージメントの正相関（最も新奇性の高い論文は中央値で2.0倍のアップボート）。実証環境はhttps://huggingface.co/spaces/Elfsong/Paper_Espresso で公開中。
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.