論文の概要: Large Language Models for Scientific Idea Generation: A Creativity-Centered Survey

• arxiv url: http://arxiv.org/abs/2511.07448v1
• Date: Wed, 12 Nov 2025 01:00:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.332748
• Title: Large Language Models for Scientific Idea Generation: A Creativity-Centered Survey
• Title（参考訳）: 科学的アイデア生成のための大規模言語モデル:創造性を中心とした調査
• Authors: Fatemeh Shahhosseini, Arash Marioriyad, Ali Momen, Mahdieh Soleymani Baghshah, Mohammad Hossein Rohban, Shaghayegh Haghjooy Javanmard,
• Abstract要約: 大型言語モデル (LLMs) は科学的アイデアの有望な生成元として登場した。 この調査は、科学的健全性による創造性へのアプローチの違いについて調査する。
• 参考スコア（独自算出の注目度）: 14.135916464098317
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Scientific idea generation lies at the heart of scientific discovery and has driven human progress-whether by solving unsolved problems or proposing novel hypotheses to explain unknown phenomena. Unlike standard scientific reasoning or general creative generation, idea generation in science is a multi-objective and open-ended task, where the novelty of a contribution is as essential as its empirical soundness. Large language models (LLMs) have recently emerged as promising generators of scientific ideas, capable of producing coherent and factual outputs with surprising intuition and acceptable reasoning, yet their creative capacity remains inconsistent and poorly understood. This survey provides a structured synthesis of methods for LLM-driven scientific ideation, examining how different approaches balance creativity with scientific soundness. We categorize existing methods into five complementary families: External knowledge augmentation, Prompt-based distributional steering, Inference-time scaling, Multi-agent collaboration, and Parameter-level adaptation. To interpret their contributions, we employ two complementary frameworks: Boden's taxonomy of Combinatorial, Exploratory and Transformational creativity to characterize the level of ideas each family expected to generate, and Rhodes' 4Ps framework-Person, Process, Press, and Product-to locate the aspect or source of creativity that each method emphasizes. By aligning methodological advances with creativity frameworks, this survey clarifies the state of the field and outlines key directions toward reliable, systematic, and transformative applications of LLMs in scientific discovery.
• Abstract（参考訳）: 科学的アイデア生成は、科学的発見の中心にあり、未解決の問題を解決するか、未知の現象を説明する新しい仮説を提案することによって、人間の進歩を推進してきた。 標準的な科学的推論や一般的な創造的生成とは異なり、科学におけるアイデア生成は多目的かつオープンなタスクであり、貢献の新規性はその経験的健全性と同じくらい不可欠である。 大規模言語モデル (LLMs) は、近年科学的アイデアの有望な生成元として登場し、驚くべき直観と許容可能な推論を伴う一貫性と事実のアウトプットを生成できるが、その創造能力は相容れないし、理解されていないままである。 この調査は、LLM駆動の科学的思考のための方法の構造的な合成を提供し、異なるアプローチが創造性と科学的健全性をどのようにバランスするかを検証した。 既存の手法を,外部知識強化,プロンプトに基づく分散ステアリング,推論時間スケーリング,マルチエージェントコラボレーション,パラメータレベルの適応の5つの相補的なファミリーに分類する。 彼らの貢献を解釈するために、我々は2つの補完的なフレームワークを採用している: ボデンのコンビネーショナルな分類、探索的、そして変革的創造性は、それぞれの家族が期待するアイデアのレベルを特徴づけるために、そしてローズの4Psフレームワーク、Person、Process、Press、Product-は、それぞれの方法が強調する創造性の側面や源を見つけるために、。 方法論的進歩を創造的枠組みと整合させることにより、この調査は分野の状態を解明し、科学的発見におけるLCMの信頼性、体系的、そして変革的応用に向けた重要な方向性を概説する。

関連論文リスト

• Autonomous Agents for Scientific Discovery: Orchestrating Scientists, Language, Code, and Physics [82.55776608452017]
  大規模言語モデル(LLM)は、人間の科学者、自然言語、コンピュータ言語とコード、物理学との相互作用を編成する柔軟性と汎用性を備えたフレームワークを提供する。 本稿では, LLMを基盤とした科学エージェントの展望と展望と, 科学発見のライフサイクルを変革する上でのその役割について述べる。 オープンな研究課題を特定し、より堅牢で汎用的で適応的な科学エージェントを構築するための有望な方向性を概説する。
  論文  参考訳（メタデータ） (2025-10-10T22:26:26Z)
• Combinatorial Creativity: A New Frontier in Generalization Abilities [14.121904952399975]
  大規模言語モデル(LLM)における創造性のスケーリング挙動について検討する。 固定的な計算予算では、創造力に最適なモデル深さと幅が存在することが分かりました。 LLMは新たな科学的アイデアの創出に長けつつ,現実的な実現性確保に苦慮しているため,創造性アルゴリズムの基本的な新規性・実用性トレードオフ特性によって説明できる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-09-25T11:48:37Z)
• Roundtable Policy: Improving Scientific Reasoning and Narratives through Confidence-Weighted Consensus of LLMs [44.65081087151887]
  本稿では,多言語モデル(LLM)の重み付けによる推論を行う補完的推論時間推論フレームワークであるラウンドテーブルポリシーを紹介する。 本研究は, 複雑な異種科学課題における推論を著しく向上させ, 創造性, 厳密性, 論理コヒーレンスの観点から科学的物語を改善することを示唆する。 提案手法は,ブラックボックスアクセスと統一手順のみを必要としながら,不透明な収束よりも構造的,解釈可能なコンセンサスを強調する。
  論文  参考訳（メタデータ） (2025-09-20T23:31:53Z)
• Probing and Inducing Combinational Creativity in Vision-Language Models [52.76981145923602]
  VLM(Vision-Language Models)の最近の進歩は、それらのアウトプットが組合せの創造性を反映しているかという議論を引き起こしている。 本稿では,創造的プロセスを3つのレベルに分解するIEIフレームワークを提案する。 このフレームワークを検証するために、IEIフレームワークに従って注釈付けされた666人のアーティストによる視覚マッシュアップの高品質データセットであるCreativeMashupをキュレートする。
  論文  参考訳（メタデータ） (2025-04-17T17:38:18Z)
• Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System [62.832818186789545]
  Virtual Scientists (VirSci) は、科学研究に固有のチームワークを模倣するために設計されたマルチエージェントシステムである。 VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。 このマルチエージェントアプローチは、新しい科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-12T07:16:22Z)
• LLM and Simulation as Bilevel Optimizers: A New Paradigm to Advance Physical Scientific Discovery [141.39722070734737]
  本稿では,大規模言語モデルの知識駆動型抽象推論能力をシミュレーションの計算力で強化することを提案する。 本稿では,2段階最適化フレームワークであるSGA(Scientific Generative Agent)を紹介する。 法発見と分子設計における枠組みの有効性を実証するための実験を行った。
  論文  参考訳（メタデータ） (2024-05-16T03:04:10Z)

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。