Paper Circle: オープンソースのマルチエージェント研究発見・分析フレームワーク

Paper Circle: An Open-source Multi-agent Research Discovery and Analysis Framework

April 7, 2026

著者: Komal Kumar, Aman Chadha, Salman Khan, Fahad Shahbaz Khan, Hisham Cholakkal

cs.AI

要旨

科学文献の急速な増加により、研究者が関連研究を効率的に発見・評価・統合することがますます困難になっている。マルチエージェント大規模言語モデル（LLM）の最近の進歩は、ユーザーの意図を理解する強力な可能性を示しており、様々なツールを活用するように訓練が進められている。本論文では、学術文献の検索、評価、整理、理解に必要な労力を削減するために設計されたマルチエージェント研究発見・分析システム「Paper Circle」を紹介する。本システムは、互いに補完する2つのパイプラインで構成される：（1）複数ソースからのオフラインおよびオンライン検索、複数基準によるスコアリング、多様性を考慮したランキング、構造化された出力を統合する「発見パイプライン」、および（2）個々の論文を、概念、手法、実験、図表などの型付けされたノードを持つ構造化知識グラフに変換し、グラフを考慮した質問応答と網羅性検証を可能にする「分析パイプライン」である。両パイプラインは、コーダーLLMベースのマルチエージェントオーケストレーションフレームワーク内に実装され、各エージェントステップでJSON、CSV、BibTeX、Markdown、HTMLを含む完全に再現可能で同期された出力を生成する。本論文では、Paper Circleの研究ワークフローを構成するシステムアーキテクチャ、エージェントの役割、検索およびスコアリング手法、知識グラフスキーマ、評価インターフェースについて説明する。論文検索と論文レビュー生成の両方でPaper Circleをベンチマークし、ヒット率、MRR、Kにおける再現率を報告する。結果は、より強力なエージェントモデルを用いることで一貫した改善が見られることを示している。当該ウェブサイト（https://papercircle.vercel.app/）とコード（https://github.com/MAXNORM8650/papercircle）を公開した。

English

The rapid growth of scientific literature has made it increasingly difficult for researchers to efficiently discover, evaluate, and synthesize relevant work. Recent advances in multi-agent large language models (LLMs) have demonstrated strong potential for understanding user intent and are being trained to utilize various tools. In this paper, we introduce Paper Circle, a multi-agent research discovery and analysis system designed to reduce the effort required to find, assess, organize, and understand academic literature. The system comprises two complementary pipelines: (1) a Discovery Pipeline that integrates offline and online retrieval from multiple sources, multi-criteria scoring, diversity-aware ranking, and structured outputs; and (2) an Analysis Pipeline that transforms individual papers into structured knowledge graphs with typed nodes such as concepts, methods, experiments, and figures, enabling graph-aware question answering and coverage verification. Both pipelines are implemented within a coder LLM-based multi-agent orchestration framework and produce fully reproducible, synchronized outputs including JSON, CSV, BibTeX, Markdown, and HTML at each agent step. This paper describes the system architecture, agent roles, retrieval and scoring methods, knowledge graph schema, and evaluation interfaces that together form the Paper Circle research workflow. We benchmark Paper Circle on both paper retrieval and paper review generation, reporting hit rate, MRR, and Recall at K. Results show consistent improvements with stronger agent models. We have publicly released the website at https://papercircle.vercel.app/ and the code at https://github.com/MAXNORM8650/papercircle.