論文の概要: MirrorMind: Empowering OmniScientist with the Expert Perspectives and Collective Knowledge of Human Scientists

• arxiv url: http://arxiv.org/abs/2511.16997v1
• Date: Fri, 21 Nov 2025 07:05:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:18.913717
• Title: MirrorMind: Empowering OmniScientist with the Expert Perspectives and Collective Knowledge of Human Scientists
• Title（参考訳）: MirrorMind: OmniScientistに専門家の視点と人間科学者の集合的知識を与える
• Authors: Qingbin Zeng, Bingbing Fan, Zhiyu Chen, Sijian Ren, Zhilun Zhou, Xuhua Zhang, Yuanyi Zhen, Fengli Xu, Yong Li, Tie-Yan Liu,
• Abstract要約: MirrorMindは階層的な認知アーキテクチャであり、3レベルフレームワークにデュアルメモリ表現を統合する。 著者レベルの認知シミュレーション,補完的推論,学際的コラボレーションの促進,マルチエージェントの科学的問題解決など,総合的な4つの課題にまたがってMirrorMindを評価した。
• 参考スコア（独自算出の注目度）: 37.87761730033585
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The emergence of AI Scientists has demonstrated remarkable potential in automating scientific research. However, current approaches largely conceptualize scientific discovery as a solitary optimization or search process, overlooking that knowledge production is inherently a social and historical endeavor. Human scientific insight stems from two distinct yet interconnected sources. First is the individual cognitive trajectory, where a researcher's unique insight is shaped by their evolving research history and stylistic preferences; another is the collective disciplinary memory, where knowledge is sedimented into vast, interconnected networks of citations and concepts. Existing LLMs still struggle to represent these structured, high-fidelity cognitive and social contexts. To bridge this gap, we introduce MirrorMind, a hierarchical cognitive architecture that integrates dual-memory representations within a three-level framework. The Individual Level constructs high-fidelity cognitive models of individual researchers by capturing their episodic, semantic, and persona memories; the Domain Level maps collective knowledge into structured disciplinary concept graphs; and the Interdisciplinary Level that acts as an orthogonal orchestration engine. Crucially, our architecture separates memory storage from agentic execution, enabling AI scientist agents to flexibly access individual memories for unique perspectives or collective structures to reason. We evaluate MirrorMind across four comprehensive tasks, including author-level cognitive simulation, complementary reasoning, cross-disciplinary collaboration promotion, and multi-agent scientific problem solving. The results show that by integrating individual cognitive depth with collective disciplinary breadth, MirrorMind moves beyond simple fact retrieval toward structural, personalized, and insight-generating scientific reasoning.
• Abstract（参考訳）: AIサイエンティストの出現は、科学研究の自動化において顕著な可能性を示している。 しかし、現在のアプローチは科学的発見を単独の最適化や探索のプロセスとして概念化しており、知識生産は本質的に社会的かつ歴史的努力である。 人間の科学的洞察は、2つの異なるが相互に繋がった源に由来する。 ひとつは、研究者の独特な洞察が、進化する研究の歴史と様式的嗜好によって形作られ、もう一つは、知識が膨大な相互接続された引用と概念のネットワークに蓄積される集合的な学際記憶である。 既存のLLMは、これらの構造化された高忠実な認知と社会的文脈を表現するのに依然として苦労している。 このギャップを埋めるために、3レベルフレームワークにデュアルメモリ表現を統合する階層的認知アーキテクチャであるMirrorMindを紹介します。 個人レベルは、エピソード、セマンティック、ペルソナの記憶を捉えて、個々の研究者の高忠実度認知モデルを構築し、ドメインレベルは、集合的な知識を構造化されたディシプリナの概念グラフにマッピングし、直交的なオーケストレーションエンジンとして機能する学際レベルを構築します。 重要なことは、私たちのアーキテクチャはメモリストレージをエージェント実行から分離し、AI科学者エージェントが個々のメモリに柔軟にアクセスして独自の視点や集団構造を推論することができる。 著者レベルの認知シミュレーション,補完的推論,学際的コラボレーションの促進,マルチエージェントの科学的問題解決など,総合的な4つの課題にまたがってMirrorMindを評価した。 その結果,個々の認知深度を集合的なディシプリナの広さと組み合わせることで,MirrorMindは構造的,パーソナライズされ,洞察に富む科学的推論への単純な事実検索を超越していることがわかった。

関連論文リスト

• From Mimicry to True Intelligence (TI) -- A New Paradigm for Artificial General Intelligence [0.0]
  現在のパフォーマンスベースの定義は、研究のための明確なメカニズム中心のロードマップを提供していないため、不十分である、と私たちは主張する。 本稿では,外部模倣から基礎的認知アーキテクチャ開発へと焦点を移す新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-09-17T23:08:36Z)
• Mind Meets Space: Rethinking Agentic Spatial Intelligence from a Neuroscience-inspired Perspective [53.556348738917166]
  エージェントAIの最近の進歩は、自律的なタスク実行と言語に基づく推論が可能なシステムにつながっている。 人間の空間知能は、統合された多感覚知覚、空間記憶、認知マップに根ざし、非構造環境における柔軟でコンテキスト対応の意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-09-11T05:23:22Z)
• Thinking Beyond Tokens: From Brain-Inspired Intelligence to Cognitive Foundations for Artificial General Intelligence and its Societal Impact [27.722167796617114]
  本稿では,人工知能,認知神経科学,心理学,生成モデル,エージェントベースシステムの学際的合成について述べる。 我々は汎用知能のアーキテクチャと認知の基礎を分析し、モジュラー推論、永続記憶、マルチエージェント協調の役割を強調した。 我々は、人工知能への道の鍵となる科学的、技術的、倫理的課題を特定します。
  論文  参考訳（メタデータ） (2025-07-01T16:52:25Z)
• Reconceptualizing Smart Microscopy: From Data Collection to Knowledge Creation by Multi-Agent Integration [0.0]
  我々は、科学的研究のパートナーとして、スマート顕微鏡を再認識する理論的枠組みを導入する。 我々のフレームワークは、仮説生成、洞察発見、理論開発を積極的にサポートする自動化を超えて、マイクロスコープシステムを構築するためのロードマップを提供する。
  論文  参考訳（メタデータ） (2025-05-26T19:02:14Z)
• Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [132.77459963706437]
  この本は、モジュール化された脳に触発されたアーキテクチャの中で、インテリジェントなエージェントをフレーミングする、包括的な概要を提供する。 自己向上と適応的な進化のメカニズムを探求し、エージェントが自律的に能力を洗練する方法を探求する。 また、エージェントの相互作用、協力、社会構造から生じる集合的知性についても調べる。
  論文  参考訳（メタデータ） (2025-03-31T18:00:29Z)
• Kolb-Based Experiential Learning for Generalist Agents with Human-Level Kaggle Data Science Performance [81.05882480184587]
  本稿では,自律エージェントに対するVygotskyのZPDを用いて,Kolbの学習サイクルの計算フレームワークを提案する。 Agent Kは、KolbとVygotskyにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。 金9個、銀8個、銅12個で、メダル獲得競争で金4個、銀4個を含む。エージェントKは、コルブとヴィーゴツキーにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
  論文  参考訳（メタデータ） (2024-11-05T23:55:23Z)
• CogNGen: Constructing the Kernel of a Hyperdimensional Predictive Processing Cognitive Architecture [79.07468367923619]
  神経生物学的に妥当な2つの計算モデルを組み合わせた新しい認知アーキテクチャを提案する。 我々は、現代の機械学習技術の力を持つ認知アーキテクチャを開発することを目指している。
  論文  参考訳（メタデータ） (2022-03-31T04:44:28Z)

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。