論文の概要: INDIBATOR: Diverse and Fact-Grounded Individuality for Multi-Agent Debate in Molecular Discovery

• arxiv url: http://arxiv.org/abs/2602.01815v1
• Date: Mon, 02 Feb 2026 08:47:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:34.017725
• Title: INDIBATOR: Diverse and Fact-Grounded Individuality for Multi-Agent Debate in Molecular Discovery
• Title（参考訳）: INDIBATOR:分子発見における多面的議論のための多様性とFact-Grounded individuality
• Authors: Yunhui Jang, Seonghyun Park, Jaehyung Kim, Sungsoo Ahn,
• Abstract要約: INDIBATORは、個々の科学者プロファイルにエージェントを接地する分子発見のフレームワークである。 本評価は, 粗粒度ペルソナに依存するシステムにおいて, 微粒度個別化エージェントが常に優れていたことを示す。
• 参考スコア（独自算出の注目度）: 34.94648673694909
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent systems have emerged as a powerful paradigm for automating scientific discovery. To differentiate agent behavior in the multi-agent system, current frameworks typically assign generic role-based personas such as ''reviewer'' or ''writer'' or rely on coarse grained keyword-based personas. While functional, this approach oversimplifies how human scientists operate, whose contributions are shaped by their unique research trajectories. In response, we propose INDIBATOR, a framework for molecular discovery that grounds agents in individualized scientist profiles constructed from two modalities: publication history for literature-derived knowledge and molecular history for structural priors. These agents engage in multi-turn debate through proposal, critique, and voting phases. Our evaluation demonstrates that these fine-grained individuality-grounded agents consistently outperform systems relying on coarse-grained personas, achieving competitive or state-of-the-art performance. These results validate that capturing the ``scientific DNA'' of individual agents is essential for high-quality discovery.
• Abstract（参考訳）: マルチエージェントシステムは科学的発見を自動化するための強力なパラダイムとして登場した。 エージェントの動作をマルチエージェントシステムで区別するために、現在のフレームワークは一般に'reviewer'や'writer'のような一般的なロールベースのペルソナを割り当てたり、粗い粒度のキーワードベースのペルソナに依存したりする。 機能的ではあるが、このアプローチは人間の科学者の操作方法を単純化し、その貢献は独自の研究軌道によって形作られています。 InDIBATORは,文献由来の知識の出版史と構造的先行の分子史という2つのモードから構築された,個別化科学者プロファイルのエージェントを基盤とする分子発見フレームワークである。 これらのエージェントは、提案、批判、投票フェーズを通じて多回討論を行う。 評価の結果,これらの細粒度個別化エージェントは,粗粒度のペルソナに依存したシステムより常に優れており,競争力や最先端のパフォーマンスを実現していることがわかった。 これらの結果は、個々のエージェントの'scientific DNA'を捕獲することが高品質な発見に不可欠であることを証明している。

関連論文リスト

• MACC: Multi-Agent Collaborative Competition for Scientific Exploration [16.92873230140957]
  MACC(Multi-Agent Collaborative Competition)は,黒板型共有科学ワークスペースとインセンティブ機構を統合したシステムアーキテクチャである。 MACCは、制度設計がスケーラブルで信頼性の高いマルチエージェント科学探査にどのように影響するかを研究するためのテストベッドを提供する。
  論文  参考訳（メタデータ） (2026-03-04T06:38:04Z)
• AstaBench: Rigorous Benchmarking of AI Agents with a Scientific Research Suite [75.58737079136942]
  本稿では,AstaBenchについて紹介する。AstaBenchは,科学的研究を行うためのエージェント能力の総合的な測定を行うスイートである。 私たちのスイートには、プロダクショングレードの検索ツールを備えた、最初の科学研究環境が付属しています。 22のエージェントクラスで57のエージェントを評価したところ,いくつかの興味深い結果が得られた。
  論文  参考訳（メタデータ） (2025-10-24T17:10:26Z)
• 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)
• Evolving Collective Cognition in Human-Agent Hybrid Societies: How Agents Form Stances and Boundaries [12.68373270583966]
  本研究では,人間とエージェントの混成社会における集団姿勢の分化と社会的境界形成の出現について検討する。 エージェントは事前に設定されたアイデンティティから独立して内在的なスタンスを示す。 以上の結果から,プリセットされたアイデンティティがエージェントの社会的構造を厳格に決定しないことが示唆された。
  論文  参考訳（メタデータ） (2025-08-24T13:50:18Z)
• Beyond Brainstorming: What Drives High-Quality Scientific Ideas? Lessons from Multi-Agent Collaboration [59.41889496960302]
  本稿では,構造化マルチエージェントの議論が独創的思考を超えうるかどうかを考察する。 研究提案を作成するための協調型マルチエージェントフレームワークを提案する。 エージェントベースのスコアリングと,新規性,戦略的ビジョン,統合深度といった領域にわたるヒューマンレビューを備えた包括的プロトコルを採用している。
  論文  参考訳（メタデータ） (2025-08-06T15:59:18Z)
• Dynamic Knowledge Exchange and Dual-diversity Review: Concisely Unleashing the Potential of a Multi-Agent Research Team [53.38438460574943]
  IDVSCIは、大規模言語モデル(LLM)上に構築されたマルチエージェントフレームワークである。 動的知識交換機構とデュアルダイバーシティ・レビュー・パラダイムという2つの重要なイノベーションが組み込まれている。 結果は、IDVSCIが2つのデータセットで常に最高のパフォーマンスを達成していることを示している。
  論文  参考訳（メタデータ） (2025-06-23T07:12:08Z)
• OAgents: An Empirical Study of Building Effective Agents [46.50371876218872]
  キーエージェントコンポーネントにおける一般的な設計選択の影響を,公平かつ厳密な方法で検討する。 この結果に基づいて,新たな基盤エージェントフレームワークであるOAgentsをオープンソースとして開発しています。
  論文  参考訳（メタデータ） (2025-06-17T17:59:02Z)
• ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
  ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。 ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。 我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-11T13:36:29Z)

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。