페이퍼 에스프레소: 과도한 논문에서 연구 인사이트로

Paper Espresso: From Paper Overload to Research Insight

과학 논문 출판의 가속화는 연구자들이 최신 정보를 파악하는 것을 점점 더 어렵게 만듭니다. 본 논문에서는 자동으로 트렌드를 파악하고, 요약하며, 분석하는 오픈 소스 플랫폼인 Paper Espresso를 소개합니다. 이 시스템은 대규모 언어 모델(LLM)을 사용하여 주제별 레이블과 키워드를 포함한 구조화된 요약을 생성하고, LLM 기반의 주제 통합을 통해 일일, 주간, 월간 단위의 다양한 수준의 트렌드 분석을 제공합니다. 35개월간의 지속적인 운영을 통해 Paper Espresso는 13,300편 이상의 논문을 처리했으며, 모든 구조화된 메타데이터를 공개하여 AI 연구 분야의 풍부한 동향을 보여줍니다. 구체적으로, 2025년 중반에 LLM 추론을 위한 강화 학습 연구가 급증하고, 주제의 출현이 포화되지 않고 지속적으로 증가하며(6,673개의 고유 주제), 주제의 참신성과 커뮤니티 참여 간에 긍정적인 상관관계가 있음을 확인했습니다(가장 참신한 논문에 대해 중앙값보다 2.0배 높은 좋아요 수). 데모는 https://huggingface.co/spaces/Elfsong/Paper_Espresso 에서 확인할 수 있습니다.

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.