論文の概要: ResearStudio: A Human-Intervenable Framework for Building Controllable Deep-Research Agents

• arxiv url: http://arxiv.org/abs/2510.12194v1
• Date: Tue, 14 Oct 2025 06:40:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.210349
• Title: ResearStudio: A Human-Intervenable Framework for Building Controllable Deep-Research Agents
• Title（参考訳）: ResearStudio: 制御可能なディープリサーチエージェント構築のためのヒューマンインターベンタブルフレームワーク
• Authors: Linyi Yang, Yixuan Weng,
• Abstract要約: 私たちはResearStudioを紹介します。ResearStudioは、リアルタイムなヒューマンコントロールをその中核に配置する最初のオープンソースフレームワークです。 階層的なPlanner-Executorは、すべてのステップをライブの'プラン・アズ・ドキュメント'に書きます。 ユーザーはいつでも、実行を一時停止し、計画やコードを編集し、カスタムコマンドを実行し、再開することができる。
• 参考スコア（独自算出の注目度）: 29.584029036072863
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current deep-research agents run in a ''fire-and-forget'' mode: once started, they give users no way to fix errors or add expert knowledge during execution. We present ResearStudio, the first open-source framework that places real-time human control at its core. The system follows a Collaborative Workshop design. A hierarchical Planner-Executor writes every step to a live ''plan-as-document,'' a fast communication layer streams each action, file change, and tool call to a web interface. At any moment, the user can pause the run, edit the plan or code, run custom commands, and resume -- switching smoothly between AI-led, human-assisted and human-led, AI-assisted modes. In fully autonomous mode, ResearStudio achieves state-of-the-art results on the GAIA benchmark, surpassing systems like OpenAI's DeepResearch and Manus. These results show that strong automated performance and fine-grained human control can coexist. The full code, protocol, and evaluation scripts are available at https://github.com/ResearAI/ResearStudio. We will continue to update the repository to encourage further work on safe and controllable research agents. Our live demo is publicly accessible at http://ai-researcher.net:3000/. We support the development of DeepScientist, which can be accessed at https://github.com/ResearAI/DeepScientist.
• Abstract（参考訳）: 現在のDeep-Researchエージェントは'fire-and-forget'モードで実行されます。 私たちはResearStudioを紹介します。ResearStudioは、リアルタイムなヒューマンコントロールをその中核に配置する最初のオープンソースフレームワークです。 このシステムはコラボレーションワークショップの設計に従っている。 階層的なPlanner-Executorは、すべてのステップをライブの'プラン・アズ・ドキュメント'に書き込む。 ユーザはいつでも、実行を一時停止し、計画やコードを編集し、カスタムコマンドを実行し、再開することができます。 完全自律モードでは、ResearStudioはGAIAベンチマークで最先端の結果を達成し、OpenAIのDeepResearchやManusといったシステムを上回っている。 これらの結果は、強力な自動性能ときめ細かい人間の制御が共存できることを示している。 完全なコード、プロトコル、評価スクリプトはhttps://github.com/ResearAI/ResearStudio.comで入手できる。 安全で管理可能な研究エージェントのさらなる開発を奨励するため、引き続きリポジトリを更新します。 私たちのライブデモはhttp://ai-researcher.net:3000/で公開されています。 我々はDeepScientistの開発を支援しており、https://github.com/ResearAI/DeepScientistでアクセスできる。

関連論文リスト

• Cognitive Kernel-Pro: A Framework for Deep Research Agents and Agent Foundation Models Training [67.895981259683]
  汎用AIエージェントは、次世代人工知能の基礎となるフレームワークとして、ますます認識されている。 現在のエージェントシステムはクローズドソースか、さまざまな有料APIやプロプライエタリなツールに大きく依存している。 我々は,完全オープンソースかつ(最大限に)フリーなマルチモジュールエージェントフレームワークであるCognitive Kernel-Proを提案する。
  論文  参考訳（メタデータ） (2025-08-01T08:11:31Z)
• Open Source Planning & Control System with Language Agents for Autonomous Scientific Discovery [5.326072982491534]
  cmbagentは科学研究タスクの自動化システムである。 このシステムはおよそ30のLarge Language Model (LLM)エージェントによって構成されている。 このシステムはHuggingFace上にデプロイされ、クラウド上で利用できるようになる。
  論文  参考訳（メタデータ） (2025-07-09T20:03:30Z)
• CowPilot: A Framework for Autonomous and Human-Agent Collaborative Web Navigation [70.3224918173672]
  CowPilotは、自律的および人間とエージェントの協調的なWebナビゲーションをサポートするフレームワークである。 エージェントが次のステップを提案することによって、人間が実行しなければならないステップの数を減らすと同時に、ユーザが一時停止、拒否、代替アクションを取ることができる。 CowPilotは、Webサイト間でのデータ収集とエージェント評価のための便利なツールとして機能する。
  論文  参考訳（メタデータ） (2025-01-28T00:56:53Z)
• OpenHands: An Open Platform for AI Software Developers as Generalist Agents [109.8507367518992]
  私たちは、人間の開発者と同じような方法で世界と対話するAIエージェントを開発するためのプラットフォームであるOpenHandsを紹介します。 プラットフォームが新しいエージェントの実装を可能にし、コード実行のためのサンドボックス環境との安全なインタラクション、評価ベンチマークの導入について説明する。
  論文  参考訳（メタデータ） (2024-07-23T17:50:43Z)
• Open-Source Skull Reconstruction with MONAI [3.245541722525715]
  MUG500+の頭蓋骨データセットを事前訓練したmonAIの深層学習に基づく頭蓋骨再建法を提案する。 本論文の主目的は、monAIフレームワークの下で、オープンソースコードと事前学習されたディープラーニングモデルの調査である。
  論文  参考訳（メタデータ） (2022-11-25T12:12:23Z)
• Human-AI Shared Control via Frequency-based Policy Dissection [34.0399894373716]
  人間-AI共有制御は、複雑な環境で制御タスクを達成するために、人間がAIと対話し、協力することを可能にする。 従来の強化学習(RL)手法は、人間の制御可能なポリシーを達成するために目標条件付き設計を試みる。 我々は、学習したニューラルコントローラの中間表現とエージェント動作の運動特性を整合させる、TextitPolicy Dissectionと呼ばれるシンプルで効果的な周波数ベースのアプローチを開発した。
  論文  参考訳（メタデータ） (2022-05-31T23:57:55Z)

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。