논문 에스프레소: 논문 과부하에서 연구 통찰력으로

초록

과학 출판의 가속화된 속도는 연구자들이 최신 동향을 따라가기 점점 더 어려워지게 만들고 있습니다. 본 논문은 arXiv의 트렌딩 논문을 자동으로 발견, 요약, 분석하는 오픈소스 플랫폼인 Paper Espresso를 소개합니다. 본 시스템은 대규모 언어 모델(LLM)을 활용하여 주제 레이블과 키워드가 포함된 구조화된 요약을 생성하고, LLM 기반 주제 통합을 통해 일별, 주별, 월별 다중 단위 트렌드 분석을 제공합니다. 35개월 이상의 지속적인 운영 동안 Paper Espresso는 13,300편 이상의 논문을 처리하고 모든 구조화된 메타데이터를 공개하여 AI 연구 지형의 풍부한 역학을 보여주었습니다: 2025년 중반 LLM 추론을 위한 강화학습 연구 급증, 비포화 상태의 주제 출현(6,673개의 고유 주제), 그리고 주제 신선도와 커뮤니티 참여 간의 정적 상관관계(가장 신선한 논문의 중간 추천수 2.0배). 라이브 데모는 https://huggingface.co/spaces/Elfsong/Paper_Espresso에서 이용 가능합니다.

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.

논문 에스프레소: 논문 과부하에서 연구 통찰력으로

Paper Espresso: From Paper Overload to Research Insight

초록

Support