論文の段落を ChatGPT に投げて「make it better」と言うと、得られる結果は往々にして文が滑らかになっただけで、欠けていた論証の連鎖、用語の不整合、motivation の弱さといった本当に重要な学術的問題はまったく解決されていません。XtraGPT はシンガポール国立大学の何炳勝教授チームによる提案（ACL 2026 採択）で、一つのことだけを行います：全文コンテキストに基づく制御可能な論文リビジョンです。論文の初稿があり、学術基準で仕上げる必要がある研究者や学生に向いています。

XtraGPT とは

XtraGPT は「AI による論文代筆」ツールではありません。revision-only（修正のみ）のコラボレーションシステムです：

• 作者には完全な論文初稿が必要
• 作者が修正したい段落を選択し、修正指示を与える
• モデルが論文全体のコンテキストに基づいて的確な修正提案を出す
• 作者が diff をレビューし、採用するか決める

ChatGPT との核心的な違いはここにあります：ChatGPT は渡された 1 段落しか見ませんが、XtraGPT は全文 16,384 token のコンテキストを見ています。

核心機能

全文コンテキスト感知（Context-Aware）

これが XtraGPT の最も重要な能力です。ある motivation の段落を修正する際、モデルは同時に序論の問題定義、方法部分の仮定、実験部分の結果を考慮し、修正後の段落が全文と一貫するようにします。

アブレーション実験が証明しているのは：全文コンテキストを除去すると効果は約 15 点低下し、criteria grounding を除去した場合は約 5 点の低下にとどまる、ということです。コンテキストは訓練戦略よりも重要です。

20 条の学術ライティング基準

XtraGPT は論文の 6 つのパートをカバーする 20 条の section-level criteria を整理しています：

これらの基準は、ライティングガイド、査読 rubric、専門家のリビジョン経験から来ています。基準を手動で選ぶ必要はありません。モデルは訓練段階で、あなたの自然言語指示を対応する学術的修正戦略へマッピングすることをすでに学んでいます。

制御可能なリビジョン（Controllable Revision）

修正意図を自然言語で表現すると、モデルが的確なリビジョンを実行します。例えば：

• 「この段落の貢献の記述を強化する」
• 「方法の記述をより厳密にする」
• 「実験分析をより説得力のあるものにする」

モデルは全文の一貫性を保ちつつ、指摘された具体的問題に絞って修正します。

実際に使ってみた結果

論文レベルの効果検証

チームは ICLR 2024 の 54 編の論文を選び、XtraGPT で段落ごとに修正し、AI-Scientist judge で採点しました：

AI 検出器には検出されない

7000 件のテストサンプルで、XtraGPT-7B と XtraGPT-14B の出力はどちらも Fast-DetectGPT と Binoculars に人間テキスト側と判定されました。

リソースリンク

• 論文: https://arxiv.org/pdf/2505.11336
• コード: https://github.com/Xtra-Computing/XtraGPT
• モデル (14B): https://huggingface.co/Xtra-Computing/XtraGPT-14B
• PaperDebugger: https://arxiv.org/abs/2512.02589

モデルは 1.5B から 14B の複数バージョンを提供し、Qwen-2.5 と Phi シリーズをベースに、ローカルデプロイで実行できます。

活用シーン

• 大学院生の投稿前の仕上げ：指導教員の査読コメントが返ってきた後、XtraGPT で段落ごとに査読基準に沿って修正
• 非英語母語の研究者：全文コンテキストに基づく修正は、孤立した推敲よりも用語と論理の一貫性を保てる
• 論文初稿のイテレーション：実験とアイデアはすでにあり、初稿を「読める」から「投稿できる」へ引き上げる必要がある

汎用 LLM との違い