論文の概要: Heterogeneous Scientific Foundation Model Collaboration

• arxiv url: http://arxiv.org/abs/2604.27351v1
• Date: Thu, 30 Apr 2026 03:02:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.892231
• Title: Heterogeneous Scientific Foundation Model Collaboration
• Title（参考訳）: 不均一科学財団モデルコラボレーション
• Authors: Zihao Li, Jiaru Zou, Feihao Fang, Xuying Ning, Mengting Ai, Tianxin Wei, Sirui Chen, Xiyuan Yang, Jingrui He,
• Abstract要約: 言語中心のシステムをより広範な科学基盤モデルに拡張するために設計された異種エージェントフレームワークであるEywaを紹介する。 Eywaのキーとなる考え方は、言語モデルベースの推論インターフェースでドメイン固有の基礎モデルを拡張することである。 Eywaはシングルエージェントパイプラインのドロップイン代替として機能するか、既存のマルチエージェントシステムに統合することができる。
• 参考スコア（独自算出の注目度）: 48.442331461141926
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Agentic large language model systems have demonstrated strong capabilities. However, their reliance on language as the universal interface fundamentally limits their applicability to many real-world problems, especially in scientific domains where domain-specific foundation models have been developed to address specialized tasks beyond natural language. In this work, we introduce Eywa, a heterogeneous agentic framework designed to extend language-centric systems to a broader class of scientific foundation models. The key idea of Eywa is to augment domain-specific foundation models with a language-model-based reasoning interface, enabling language models to guide inference over non-linguistic data modalities. This design allows predictive foundation models, which are typically optimized for specialized data and tasks, to participate in higher-level reasoning and decision-making processes within agentic systems. Eywa can serve as a drop-in replacement for a single-agent pipeline (EywaAgent) or be integrated into existing multi-agent systems by replacing traditional agents with specialized agents (EywaMAS). We further investigate a planning-based orchestration framework in which a planner dynamically coordinates traditional agents and Eywa agents to solve complex tasks across heterogeneous data modalities (EywaOrchestra). We evaluate Eywa across a diverse set of scientific domains spanning physical, life, and social sciences. Experimental results demonstrate that Eywa improves performance on tasks involving structured and domain-specific data, while reducing reliance on language-based reasoning through effective collaboration with specialized foundation models.
• Abstract（参考訳）: エージェント型大規模言語モデルシステムは強力な能力を示している。 しかしながら、言語を普遍的なインターフェースとして依存することは、特に、自然言語以外の専門的なタスクに対処するためにドメイン固有の基礎モデルが開発された科学領域において、多くの現実世界問題への適用性を根本的に制限する。 本研究では,言語中心のシステムをより広範な科学基盤モデルに拡張するために設計された異種エージェントフレームワークであるEywaを紹介する。 Eywaのキーとなる考え方は、言語モデルベースの推論インターフェースでドメイン固有の基礎モデルを拡張し、言語モデルが非言語的なデータモダリティに対する推論をガイドできるようにすることである。 この設計により、予測基礎モデルは、通常特殊データやタスクに最適化され、エージェントシステム内のより高度な推論と意思決定プロセスに参加することができる。 Eywaはシングルエージェントパイプライン(EywaAgent)のドロップイン代替として機能するか、従来のエージェントを特殊エージェント(EywaMAS)に置き換えることで既存のマルチエージェントシステムに統合することができる。 さらに、プランナが従来のエージェントやEywaエージェントを動的にコーディネートして、異種データモダリティ(Eywa Orchestra)をまたいだ複雑なタスクを解決するための計画ベースのオーケストレーションフレームワークについても検討する。 我々は,身体科学,生活科学,社会科学にまたがるさまざまな科学領域において,Eywaを評価した。 実験結果から,Eywaは構造化データやドメイン固有データを含むタスクの性能を向上させるとともに,特定の基礎モデルとの効果的な協調による言語に基づく推論への依存を低減していることがわかった。

関連論文リスト

• OrchMAS: Orchestrated Reasoning with Multi Collaborative Heterogeneous Scientific Expert Structured Agents [40.6404203725551]
  本稿では,科学的ドメイン指向の対話型2層マルチモデルオーケストレーションフレームワークを提案する。 専用のオーケストレーションモデルは各タスクを分析し、ドメインを意識した推論パイプラインを動的に構築し、カスタマイズされたプロンプトで専門の専門家エージェントをインスタンス化する。 オーケストレータは、中間フィードバックに基づいてパイプラインを反復的に更新し、動的リプランニング、ロール再配置、マルチターンインタラクション間の即時改善を可能にする。
  論文  参考訳（メタデータ） (2026-03-03T13:57:43Z)
• HELP: Hierarchical Embodied Language Planner for Household Tasks [75.38606213726906]
  複雑なシナリオを扱うエージェントは、堅牢な計画能力に大きく依存する。 広範な言語知識を備えた大規模言語モデルは、この役割を果たすことができる。 LLMをベースとした一組のエージェントからなる階層型エンボディード言語プランナーHELPを提案する。
  論文  参考訳（メタデータ） (2025-12-25T15:54:08Z)
• ModelingAgent: Bridging LLMs and Mathematical Modeling for Real-World Challenges [72.19809898215857]
  ModelingBenchは、様々な領域にわたる数学モデリングの競争から、現実に着想を得たオープンエンドの問題を特徴付ける新しいベンチマークである。 これらのタスクには、自然言語を形式的な数学的定式化に翻訳し、適切なツールを適用し、構造化された防御可能なレポートを生成する必要がある。 ツール使用をコーディネートするマルチエージェントフレームワークである ModelingAgent も紹介します。
  論文  参考訳（メタデータ） (2025-05-21T03:33:23Z)
• Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
  大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。 本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。 私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
  論文  参考訳（メタデータ） (2025-03-27T12:50:17Z)
• A Survey of Model Architectures in Information Retrieval [59.61734783818073]
  2019年から現在までの期間は、情報検索(IR)と自然言語処理(NLP)における最大のパラダイムシフトの1つとなっている。 従来の用語ベースの手法から現代のニューラルアプローチまで,特にトランスフォーマーベースのモデルとそれに続く大規模言語モデル(LLM)の影響が注目されている。 今後の課題と今後の方向性について、先見的な議論で締めくくります。
  論文  参考訳（メタデータ） (2025-02-20T18:42:58Z)
• Transforming Competition into Collaboration: The Revolutionary Role of Multi-Agent Systems and Language Models in Modern Organizations [0.0]
  本稿では,マルチエージェントシステム理論(SMA)と大規模言語モデル(LLM)に基づく計算エンティティがユーザインタラクションに与える影響について考察する。 提案手法では,大規模言語モデル (LLM) から発達したエージェントを用いて,行動要素を考慮したプロトタイピングを行う。 我々は,多エージェントシステム理論(SMA)と大規模言語モデル(LLM)に基づく革新的な利用に基づいて,組織戦略に有用なエージェントの開発の可能性を示す。
  論文  参考訳（メタデータ） (2024-03-12T15:56:10Z)
• PROMISE: A Framework for Developing Complex Conversational Interactions (Technical Report) [33.7054351451505]
  本稿では,情報システムとの複雑な言語によるインタラクションを開発するためのフレームワークであるPROMISEを提案する。 本稿では、健康情報システムにおけるアプリケーションシナリオの文脈におけるPROMISEの利点を示し、複雑なインタラクションを扱う能力を示す。
  論文  参考訳（メタデータ） (2023-12-06T18:59:11Z)
• Foundation Models for Decision Making: Problems, Methods, and Opportunities [124.79381732197649]
  大規模に多様なデータに基づいて事前訓練された基礎モデルは、幅広いビジョンと言語タスクにおいて異常な能力を示してきた。 ファンデーションモデルをトレーニングし、他のエージェントと対話し、長期的な推論を行うための新しいパラダイムが生まれている。 基礎モデルと意思決定の交わりにおける研究は、強力な新しいシステムを作るための大きな約束である。
  論文  参考訳（メタデータ） (2023-03-07T18:44:07Z)

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。