論文の概要: Agentic Discovery: Closing the Loop with Cooperative Agents

• arxiv url: http://arxiv.org/abs/2510.13081v1
• Date: Wed, 15 Oct 2025 01:50:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.469295
• Title: Agentic Discovery: Closing the Loop with Cooperative Agents
• Title（参考訳）: エージェント発見:協力エージェントでループを閉じる
• Authors: J. Gregory Pauloski, Kyle Chard, Ian T. Foster,
• Abstract要約: 発見の速度は、人間の意思決定タスクによってますます制限される。 我々は、人間の役割を増強し、自律的な発見を可能にするために協力的エージェントが必要であると仮定する。
• 参考スコア（独自算出の注目度）: 7.618433247743826
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As data-driven methods, artificial intelligence (AI), and automated workflows accelerate scientific tasks, we see the rate of discovery increasingly limited by human decision-making tasks such as setting objectives, generating hypotheses, and designing experiments. We postulate that cooperative agents are needed to augment the role of humans and enable autonomous discovery. Realizing such agents will require progress in both AI and infrastructure.
• Abstract（参考訳）: データ駆動型手法、人工知能(AI)、自動化ワークフローが科学的なタスクを加速するにつれ、目的の設定、仮説の生成、実験の設計といった人間の意思決定タスクによって発見の速度はますます制限される。 我々は、人間の役割を増強し、自律的な発見を可能にするために協力的エージェントが必要であると仮定する。 このようなエージェントを実現するには、AIとインフラストラクチャの両方の進歩が必要だ。

関連論文リスト

• A Task-Driven Human-AI Collaboration: When to Automate, When to Collaborate, When to Challenge [16.734679201317896]
  性能を改善しつつ、適切な人間とAIの統合が有意義なエージェンシーを維持するかを示す。 この枠組みは、実用的で道徳的に健全な人間とAIのコラボレーションの基礎を築いた。
  論文  参考訳（メタデータ） (2025-05-23T23:19:15Z)
• Accelerating drug discovery with Artificial: a whole-lab orchestration and scheduling system for self-driving labs [0.0]
  自動運転ラボは、自動化されたAI誘導の実験を可能にすることで、薬物発見を変革している。 しかし、複雑なオーケストレーション、さまざまな楽器とAIモデルの統合、データの効率的な管理といった課題に直面している。 人工知能は、包括的なオーケストレーションとスケジューリングシステムでこれらの問題に対処する。 ラボの操作を統一し、自動化し、AIによる意思決定を統合する。
  論文  参考訳（メタデータ） (2025-04-01T17:22:50Z)
• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [50.657070334404835]
  Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。 シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。 その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-12-20T09:21:15Z)
• ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
  LLM(Large Language Models)は、人間のような知性を持つ言語である。 本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。 そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
  論文  参考訳（メタデータ） (2023-11-02T14:32:16Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)
• Watch-And-Help: A Challenge for Social Perception and Human-AI Collaboration [116.28433607265573]
  我々は、AIエージェントでソーシャルインテリジェンスをテストするための課題であるWatch-And-Help(WAH)を紹介する。 WAHでは、AIエージェントは、人間のようなエージェントが複雑な家庭用タスクを効率的に実行するのを助ける必要がある。 マルチエージェントの家庭環境であるVirtualHome-Socialを構築し、計画と学習ベースのベースラインを含むベンチマークを提供する。
  論文  参考訳（メタデータ） (2020-10-19T21:48:31Z)

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。