論文の概要: AISAC: An Integrated multi-agent System for Transparent, Retrieval-Grounded Scientific Assistance

• arxiv url: http://arxiv.org/abs/2511.14043v1
• Date: Tue, 18 Nov 2025 01:51:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:52.874137
• Title: AISAC: An Integrated multi-agent System for Transparent, Retrieval-Grounded Scientific Assistance
• Title（参考訳）: AISAC: 透明で検索可能な科学支援のための統合型マルチエージェントシステム
• Authors: Chandrachur Bhattacharya, Sibendu Som,
• Abstract要約: AISACはオーケストレーションのためのLangGraph、ベクトル検索のためのFAISS、永続性といった技術の上に構築されている。 システムは、LangGraphのStatePlannerを介して調整されたプロンプトエンジニアリングエージェントを実装している。 プロジェクト主導のブートストラップにより、研究チームはコアコードを変更することなく、ツールやプロンプト、データソースをカスタマイズできる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI Scientific Assistant Core (AISAC) is an integrated multi-agent system developed at Argonne National Laboratory for scientific and engineering workflows. AISAC builds on established technologies - LangGraph for orchestration, FAISS for vector search, and SQLite for persistence - and integrates them into a unified system prototype focused on transparency, provenance tracking, and scientific adaptability. The system implements a Router-Planner-Coordinator workflow and an optional Evaluator role, using prompt-engineered agents coordinated via LangGraph's StateGraph and supported by helper agents such as a Researcher. Each role is defined through custom system prompts that enforce structured JSON outputs. A hybrid memory approach (FAISS + SQLite) enables both semantic retrieval and structured conversation history. An incremental indexing strategy based on file hashing minimizes redundant re-embedding when scientific corpora evolve. A configuration-driven project bootstrap layer allows research teams to customize tools, prompts, and data sources without modifying core code. All agent decisions, tool invocations, and retrievals are logged and visualized through a custom Gradio interface, providing step-by-step transparency for each reasoning episode. The authors have applied AISAC to multiple research areas at Argonne, including specialized deployments for waste-to-products research and energy process safety, as well as general-purpose scientific assistance, demonstrating its cross-domain applicability.
• Abstract（参考訳）: AI Scientific Assistant Core(AI Scientific Assistant Core、AISAC)は、アルゴンヌ国立研究所で開発された、科学と工学のワークフローのための統合マルチエージェントシステムである。 AISACは、オーケストレーションのためのLangGraph、ベクターサーチのためのFAISS、永続性のためのSQLiteという確立した技術の上に構築され、透明性、証明追跡、科学的適応性に焦点を当てた統一されたシステムのプロトタイプに統合される。 このシステムはルータ・プランナー・コーディネータのワークフローとオプションのEvaluatorロールを実装し、LangGraphのStateGraphを介して調整されたプロンプトエンジニアリングエージェントを使用し、研究者のようなヘルパーエージェントがサポートする。 各ロールは、構造化JSON出力を強制するカスタムシステムプロンプトによって定義される。 ハイブリッドメモリアプローチ(FAISS + SQLite)は、セマンティック検索と構造化された会話履歴の両方を可能にする。 ファイルハッシュに基づくインクリメンタルインデックス化戦略は、科学的コーパスの進化時に冗長な再埋め込みを最小限にする。 コンフィギュレーション駆動のプロジェクトブートストラップレイヤでは、コアコードを変更することなく、ツールやプロンプト、データソースをカスタマイズすることができる。 すべてのエージェントの判断、ツールの呼び出し、検索は、カスタムのGradioインターフェースを通じてログされ、視覚化され、各推論エピソードに対してステップバイステップの透明性を提供する。 著者らは、AISACをアルゴンヌの複数の研究分野に適用し、廃棄物から廃棄物までの研究とエネルギープロセスの安全性の専門的な展開、および汎用的な科学支援、ドメイン間の適用性を示す。

関連論文リスト

• Enterprise Deep Research: Steerable Multi-Agent Deep Research for Enterprise Analytics [75.4712507893024]
  Enterprise Deep Research (EDR)は、適応的なクエリ分解のためのマスタープランニングエージェントを統合するマルチエージェントシステムである。 4つの専門的な検索エージェント(General, Academic, GitHub, LinkedIn)と、データ駆動インサイトのための可視化エージェントも含まれている。 EDRは、オプショナル・イン・ザ・ループ・ステアリング・ガイダンスによる研究の方向性を反映する。
  論文  参考訳（メタデータ） (2025-10-20T17:55:11Z)
• Build Your Personalized Research Group: A Multiagent Framework for Continual and Interactive Science Automation [41.659285482346235]
  我々は,リアルタイムエージェント推論によって動的に決定されるテキストを特徴とするオープンソースのマルチエージェントフレームワークであるtexttfreephdlaborを提案する。 このフレームワークは、テキスト自動コンテキストのコンパクト化、情報劣化を防ぐためのテキストワークスペースベースのコミュニケーション、セッション間のテキストメモリ持続性、およびテキストノンブロッキング人間の介入メカニズムを含む包括的なインフラを提供する。
  論文  参考訳（メタデータ） (2025-10-17T13:13:32Z)
• Spec-Driven AI for Science: The ARIA Framework for Automated and Reproducible Data Analysis [23.28226188948918]
  ARIAは、自動および解釈可能なデータ分析のための、仕様駆動のヒューマン・イン・ザ・ループ・フレームワークである。 ARIAは、Command、Context、Code、Data、Orchesttion、AI Moduleという6つのレイヤを統合している。 ARIAは透明で協調的で再現可能な科学的発見のための新しいパラダイムを確立している。
  論文  参考訳（メタデータ） (2025-10-13T08:32:43Z)
• Context Engineering for Multi-Agent LLM Code Assistants Using Elicit, NotebookLM, ChatGPT, and Claude Code [0.0]
  大規模言語モデル(LLM)は、コード生成とソフトウェアエンジニアリングタスクの自動化において有望であることを示しているが、コンテキスト制限と知識ギャップのため、複雑なマルチファイルプロジェクトに苦戦することが多い。 ユーザ要求を明確にするIntent Translator (GPT-5)、ドメイン知識を注入するElicitを利用したセマンティック文献検索、コンテキスト理解のためのNotebookLMベースの文書合成、コード生成と検証のためのClaude Codeマルチエージェントシステムなど、複数のAIコンポーネントを組み合わせた新しいコンテキストエンジニアリングワークフローを提案する。
  論文  参考訳（メタデータ） (2025-08-09T14:45:53Z)
• OS Agents: A Survey on MLLM-based Agents for General Computing Devices Use [101.57043903478257]
  アイアンマンの架空のJ.A.R.V.I.Sほど有能で多用途なAIアシスタントを作る夢は、長い間想像力に恵まれてきた。 マルチモーダル(multi-modal)な大きな言語モデル((M)LLMs)の進化により、この夢は現実に近づいている。 本調査は,OSエージェント研究の現状を整理し,学術調査と産業開発の両方の指針を提供する。
  論文  参考訳（メタデータ） (2025-08-06T14:33:45Z)
• A Survey on Code Generation with LLM-based Agents [61.474191493322415]
  大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。 LLMは3つのコア特徴によって特徴づけられる。 本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
  論文  参考訳（メタデータ） (2025-07-31T18:17:36Z)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)

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。