論文の概要: ASI-Evolve: AI Accelerates AI
- arxiv url: http://arxiv.org/abs/2603.29640v1
- Date: Tue, 31 Mar 2026 12:04:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-01 15:25:03.59917
- Title: ASI-Evolve: AI Accelerates AI
- Title（参考訳）: ASI-Evolve: AIがAIを加速
- Abstract要約: ASI-EvolveはAI-for-AI研究のためのフレームワークで、学習設計-実験-分析サイクルを通じてループを閉じる。
我々の知る限り、AI-EvolveはAI開発における3つの中心的なコンポーネントにわたるAI駆動の発見を示す最初の統一されたフレームワークです。
- 参考スコア（独自算出の注目度）: 42.885465604426884
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Can AI accelerate the development of AI itself? While recent agentic systems have shown strong performance on well-scoped tasks with rapid feedback, it remains unclear whether they can tackle the costly, long-horizon, and weakly supervised research loops that drive real AI progress. We present ASI-Evolve, an agentic framework for AI-for-AI research that closes this loop through a learn-design-experiment-analyze cycle. ASI-Evolve augments standard evolutionary agents with two key components: a cognition base that injects accumulated human priors into each round of exploration, and a dedicated analyzer that distills complex experimental outcomes into reusable insights for future iterations. To our knowledge, ASI-Evolve is the first unified framework to demonstrate AI-driven discovery across three central components of AI development: data, architectures, and learning algorithms. In neural architecture design, it discovered 105 SOTA linear attention architectures, with the best discovered model surpassing DeltaNet by +0.97 points, nearly 3x the gain of recent human-designed improvements. In pretraining data curation, the evolved pipeline improves average benchmark performance by +3.96 points, with gains exceeding 18 points on MMLU. In reinforcement learning algorithm design, discovered algorithms outperform GRPO by up to +12.5 points on AMC32, +11.67 points on AIME24, and +5.04 points on OlympiadBench. We further provide initial evidence that this AI-for-AI paradigm can transfer beyond the AI stack through experiments in mathematics and biomedicine. Together, these results suggest that ASI-Evolve represents a promising step toward enabling AI to accelerate AI across the foundational stages of development, offering early evidence for the feasibility of closed-loop AI research.
- Abstract（参考訳）: AIはAI自体の開発を加速できるのか?
最近のエージェントシステムは、素早いフィードバックで、よくスキャンされたタスクに強いパフォーマンスを示してきたが、実際にAIの進歩を促す、コストが高く、長い水平で、弱く監督された研究ループに対処できるかどうかは不明だ。
本稿では,AI-for-AI研究のためのエージェントフレームワークであるAI-Evolveについて紹介する。
ASI-Evolveは標準的な進化的エージェントを2つの重要な要素で強化している。つまり、蓄積した人間の先行情報を各探索ラウンドに注入する認知ベースと、複雑な実験結果から将来のイテレーションのための再利用可能な洞察へと蒸留する専用のアナライザだ。
我々の知る限り、AI-EvolveはAI開発における3つの中心的なコンポーネントであるデータ、アーキテクチャ、学習アルゴリズムにわたるAI駆動の発見を実証する最初の統合フレームワークです。
ニューラルアーキテクチャ設計では、105のSOTA線形アテンションアーキテクチャを発見し、デルタネットを超える最良のモデルが+0.97ポイントとなり、近年の人間設計の改善の3倍近くになった。
データキュレーションの事前訓練において、進化したパイプラインは平均ベンチマーク性能を+3.96ポイント改善し、MMLUでは18ポイントを超えた。
強化学習アルゴリズムの設計において、発見アルゴリズムは AMC32 では +12.5 点、AIME24 では +11.67 点、OlympiadBench では +5.04 点で GRPO よりも優れていた。
さらに、このAI-for-AIパラダイムが、数学や生医学の実験を通じて、AIスタックを超えて移行できるという最初の証拠も提供します。
これらの結果は、AIが開発の基本段階にわたってAIを加速させるための有望なステップであり、クローズループAI研究の実現可能性に関する初期の証拠を提供することを示唆している。
関連論文リスト
- ASI-Bench: At the Dawn of Artificial Superintelligence [46.937202634067766]
ASI-Benchは、革新的な探索と自律的な科学的実行というAIシステムの能力を共同で評価する最初のベンチマークである。
11の科学領域に60のプロジェクトレベルの研究タスクが含まれており、方法論的なガイダンスを段階的に削減している。
18の最先端のエージェントモデル構成で、平均スコアは50.91点から29.10点まで減少し、指定したメソッドのみとなった。
論文 参考訳（メタデータ） (2026-08-18T01:59:00Z) - From AGI to ASI [65.04985565452489]
人間のレベルの人工知能の構築は、遠方の憶測から、大規模なAI組織の多くにとって、具体的な次の10年ターゲットへと移行してきた。
報告では、AI自体が、マシンインテリジェンスの継続とともに、AGI後の世界でどのように発展し続けるのかを調査している。
論文 参考訳（メタデータ） (2026-06-10T21:14:10Z) - AI Co-Scientist for Ranking: Discovering Novel Search Ranking Models alongside LLM-based AI Agents with Cloud Computing Access [60.37646376282544]
本稿では,全検索ランキング研究パイプラインを自動化したAI共同科学者フレームワークを提案する。
これは、AIの共同科学者フレームワークをアルゴリズム研究に利用した、ランキングコミュニティで初めての研究である。
論文 参考訳（メタデータ） (2026-03-23T09:29:08Z) - AI Phenomenology for Understanding Human-AI Experiences Across Eras [8.54750896635797]
AI現象学とは、AIシステムと対話する際に「どう感じたか?」と問う研究スタンスである。
私たちはAI現象学を、ユーザーとAIシステム間のアライメントの体験、交渉、更新を捉えるフレームワークとして動機付けています。
論文 参考訳（メタデータ） (2026-03-09T23:26:46Z) - AI Researchers' Views on Automating AI R&D and Intelligence Explosions [7.10975129848806]
多くの先進的なAI研究者は、AI開発が過去のすべての技術革新の変革的影響を超えることを期待している。
私たちは、フロンティアAIラボとアカデミックの25の研究者にインタビューした。
論文 参考訳（メタデータ） (2026-02-13T23:24:05Z) - AlphaGo Moment for Model Architecture Discovery [26.258185487878333]
AI研究のための人工超知能の最初の実証であるAII-Archを紹介する。
ASI-Archは完全に自律的なシステムで、AIが独自のアーキテクチャ革新を実行できるようにすることによって制約を揺さぶる。
我々は2万時間にわたって1,773個の自律的な実験を行い、106個の革新的なSOTA(State-of-the-art)線形アテンションアーキテクチャを発見しました。
論文 参考訳（メタデータ） (2025-07-24T03:57:27Z) - Echoes of AI: Investigating the Downstream Effects of AI Assistants on Software Maintainability [5.677464428950146]
本研究では,AIアシスタントとの共同開発がソフトウェア保守性に与える影響について検討する。
フェーズ1でのAI支援開発は、その後の進化を緩やかなスピードアップに導いた。
習慣的AIユーザーの平均スピードアップは55.9%だった。
論文 参考訳（メタデータ） (2025-07-01T14:24:37Z) - AI Generations: From AI 1.0 to AI 4.0 [3.4440023363051266]
本稿では,人工知能(AI)が複数の世代にまたがって進化していくことを提案する。
これらのAI世代は、アルゴリズム、計算能力、データ間の優先順位のシフトによって駆動される。
人工知能が人間のような自律性に近づいた(あるいはそうしようとする)ときに生じる、深い倫理的、規制的、哲学的な課題を探求する。
論文 参考訳（メタデータ） (2025-02-16T23:19:44Z) - Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。
VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
論文 参考訳（メタデータ） (2024-10-02T02:20:42Z) - Large Language Model Empowered Next-Generation MIMO Networks: Fundamentals, Challenges, and Visions [80.7546823422894]
次世代のMultiple-Input Multiple-Output (MIMO) はインテリジェントでスケーラブルであることが期待される。
本稿では、カスタマイズされた特殊コンテンツを生成することができる生成型AIエージェントの概念を提案する。
ケーススタディは、生成AIエージェントをパフォーマンス分析に活用する効果を実証する。
論文 参考訳（メタデータ） (2024-04-13T02:39:36Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:03:39Z)
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。