論文の概要: ResearchTown: Simulator of Human Research Community
- arxiv url: http://arxiv.org/abs/2412.17767v1
- Date: Mon, 23 Dec 2024 18:26:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 16:00:33.781165
- Title: ResearchTown: Simulator of Human Research Community
- Title(参考訳): ResearchTown: 人間研究コミュニティのシミュレータ
- Authors: Haofei Yu, Zhaochen Hong, Zirui Cheng, Kunlun Zhu, Keyang Xuan, Jinwei Yao, Tao Feng, Jiaxuan You,
- Abstract要約: ResearchTownは、リサーチコミュニティシミュレーションのためのマルチエージェントフレームワークである。
ResearchTownは、協調研究活動の現実的なシミュレーションを提供する。
ResearchTownは、複数の研究者と多様な論文で堅牢なシミュレーションを維持できる。
- 参考スコア(独自算出の注目度): 14.033414261636336
- License:
- Abstract: Large Language Models (LLMs) have demonstrated remarkable potential in scientific domains, yet a fundamental question remains unanswered: Can we simulate human research communities with LLMs? Addressing this question can deepen our understanding of the processes behind idea brainstorming and inspire the automatic discovery of novel scientific insights. In this work, we propose ResearchTown, a multi-agent framework for research community simulation. Within this framework, the human research community is simplified and modeled as an agent-data graph, where researchers and papers are represented as agent-type and data-type nodes, respectively, and connected based on their collaboration relationships. We also introduce TextGNN, a text-based inference framework that models various research activities (e.g., paper reading, paper writing, and review writing) as special forms of a unified message-passing process on the agent-data graph. To evaluate the quality of the research simulation, we present ResearchBench, a benchmark that uses a node-masking prediction task for scalable and objective assessment based on similarity. Our experiments reveal three key findings: (1) ResearchTown can provide a realistic simulation of collaborative research activities, including paper writing and review writing; (2) ResearchTown can maintain robust simulation with multiple researchers and diverse papers; (3) ResearchTown can generate interdisciplinary research ideas that potentially inspire novel research directions.
- Abstract(参考訳): 大規模言語モデル(LLM)は科学的領域において顕著な可能性を示しているが、根本的な疑問は未解決のままである。
この疑問に対処することで、アイデアのブレインストーミングの背後にあるプロセスの理解を深め、新しい科学的洞察の自動発見を促すことができます。
本研究では,研究コミュニティシミュレーションのためのマルチエージェントフレームワークであるResearchTownを提案する。
このフレームワーク内では、人間研究コミュニティはエージェントデータグラフとして単純化され、研究者と論文はそれぞれエージェントタイプとデータタイプノードとして表現され、協調関係に基づいて接続される。
また、テキストベースの推論フレームワークであるTextGNNを導入し、エージェントデータグラフ上の統一メッセージパッシングプロセスの特別な形式として、様々な研究活動(例えば、論文読解、論文執筆、レビュー執筆)をモデル化する。
研究シミュレーションの品質を評価するために,ノードマスキング予測タスクを用いて類似性に基づく客観的評価を行うベンチマーク「ResearchBench」を提案する。
実験の結果,(1)ResearchTownは,論文執筆やレビュー執筆などの共同研究活動の現実的なシミュレーションを行うことができ,(2)ResearchTownは複数の研究者や多種多様な論文との堅牢なシミュレーションを維持でき,(3)ResearchTownは新たな研究方向性を刺激する可能性のある学際的な研究思想を生成することができる。
関連論文リスト
- Chain of Ideas: Revolutionizing Research Via Novel Idea Development with LLM Agents [64.64280477958283]
科学文献の急激な増加は、研究者が最近の進歩と意義ある研究方向を見極めるのを困難にしている。
大規模言語モデル(LLM)の最近の発展は、新しい研究のアイデアを自動生成するための有望な道のりを示唆している。
本研究では, チェーン構造に関連文献を整理し, 研究領域の進展を効果的に反映する, LLMベースのエージェントであるChain-of-Ideas(CoI)エージェントを提案する。
論文 参考訳(メタデータ) (2024-10-17T03:26:37Z) - A Comprehensive Survey of Scientific Large Language Models and Their Applications in Scientific Discovery [68.48094108571432]
大規模言語モデル(LLM)は、テキストやその他のデータ処理方法に革命をもたらした。
我々は,科学LLM間のクロスフィールドおよびクロスモーダル接続を明らかにすることで,研究ランドスケープのより総合的なビューを提供することを目指している。
論文 参考訳(メタデータ) (2024-06-16T08:03:24Z) - MASSW: A New Dataset and Benchmark Tasks for AI-Assisted Scientific Workflows [58.56005277371235]
我々は,Multi-Aspect Summarization of ScientificAspectsに関する総合テキストデータセットであるMASSWを紹介する。
MASSWには過去50年間にわたる17の主要なコンピュータサイエンスカンファレンスから152,000以上の査読論文が含まれている。
我々は、この新しいデータセットを用いてベンチマーク可能な、複数の新しい機械学習タスクを通じて、MASSWの有用性を実証する。
論文 参考訳(メタデータ) (2024-06-10T15:19:09Z) - ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
ResearchAgentは、大規模言語モデルによる研究アイデア作成エージェントである。
科学文献に基づいて繰り返し精製しながら、問題、方法、実験設計を生成する。
我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
論文 参考訳(メタデータ) (2024-04-11T13:36:29Z) - SurveyAgent: A Conversational System for Personalized and Efficient Research Survey [50.04283471107001]
本稿では,研究者にパーソナライズされた効率的な調査支援を目的とした会話システムであるSurveyAgentを紹介する。
SurveyAgentは3つの重要なモジュールを統合している。文書を整理するための知識管理、関連する文献を発見するための勧告、より深いレベルでコンテンツを扱うためのクエリ回答だ。
本評価は,研究活動の合理化におけるSurveyAgentの有効性を実証し,研究者の科学文献との交流を促進する能力を示すものである。
論文 参考訳(メタデータ) (2024-04-09T15:01:51Z) - Research Scholar Interest Mining Method based on Load Centrality [15.265191824669555]
本稿では,負荷集中度に基づく研究研究者の関心マイニングアルゴリズムを提案する。
各トピックの地域構造は、ノードの集中度研究モデルの重みを正確に計算するために使用することができる。
本稿では, 負荷率センタに基づく科学的研究協力により, 科学的研究研究者の関心を効果的に抽出することができる。
論文 参考訳(メタデータ) (2022-03-21T04:16:46Z) - Simulation Intelligence: Towards a New Generation of Scientific Methods [81.75565391122751]
シミュレーション知能の9つのモチーフ」は、科学計算、科学シミュレーション、人工知能の融合に必要な重要なアルゴリズムの開発と統合のためのロードマップである。
シミュレーションインテリジェンスのモチーフは、オペレーティングシステムのレイヤ内のコンポーネントとよく似ています。
我々は、モチーフ間の協調的な努力が科学的な発見を加速する大きな機会をもたらすと信じている。
論文 参考訳(メタデータ) (2021-12-06T18:45:31Z) - Evaluating the state-of-the-art in mapping research spaces: a Brazilian
case study [0.0]
最近の2つの研究は、科学者の出版記録から研究地図を作成する方法を提案している。
与えられたエンティティが新しいフィールドに入るかどうかを予測するモデルの能力を評価します。
これらのモデルがどのようにブラジルの文脈で科学のダイナミクスを特徴づけることができるかを示すケーススタディを実施します。
論文 参考訳(メタデータ) (2021-04-07T18:14:41Z) - GASP! Generating Abstracts of Scientific Papers from Abstracts of Cited
Papers [9.472227971923672]
本稿では,引用論文の要約(GASP)をテキスト・トゥ・テキスト・タスクとして,科学論文の要約を生成するという,新しい,科学的かつ哲学的な課題を紹介する。
論文 参考訳(メタデータ) (2020-02-28T14:58:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。