論文の概要: AutoResearch AI: Towards AI-Powered Research Automation for Scientific Discovery

• arxiv url: http://arxiv.org/abs/2605.23204v1
• Date: Fri, 22 May 2026 03:40:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.190464
• Title: AutoResearch AI: Towards AI-Powered Research Automation for Scientific Discovery
• Title（参考訳）: AIによる科学発見のためのAIによる研究自動化を目指すAutoResearch AI
• Authors: Guiyao Tie, Jiawen Shi, Dingjie Song, Yixiao Huang, Ziji Sheng, Xueyang Zhou, Daizong Liu, Pan Zhou, Yongchao Chen, Ran Xu, Lifang He, Qingsong Wen, Manling Li, Cong Lu, Shuai Li, Pengtao Xie, Yixuan Yuan, Rui Meng, Lei Xing, Lichao Sun, Caiming Xiong, Philip S. Yu, Jianfeng Gao,
• Abstract要約: AutoResearchはAIを活用した科学ワークフロー自動化の開発スペクトルとして定義されている。 我々は、研究システムが制御、エビデンス、実行、検証、説明責任を再分配し、その分野を組織化する方法について分析する。 本稿では,5つの評価次元 – ノベルティ,インパクト,信頼性,証明 – を提案し,AutoResearchの自律性はドメイン条件であることを示す。
• 参考スコア（独自算出の注目度）: 184.2309450554096
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scientific research is being reshaped by AI systems that move beyond isolated assistance toward longer-horizon workflows spanning literature grounding, hypothesis generation, experimentation, validation, reporting, and revision. This shift marks a transition from task-level AI for science to workflow-level research automation. Yet current systems remain fragmented, differing in autonomy, domain scope, execution environment, validation mechanism, and human oversight, while still struggling with evidence preservation, reproducibility, weak-direction rejection, provenance tracking, cross-domain robustness, and accountable scientific closure. This survey examines these developments through AutoResearch, defined as the developmental spectrum of AI-powered scientific workflow automation. Within it, Vibe Research denotes the human-steered region of prompt-based assistance and human-verified execution, whereas emerging AI-led systems coordinate larger portions of the discovery loop without achieving robust autonomy. We analyze how research systems redistribute control, evidence, execution, validation, and accountability across workflows and organize the field around five workflow conditions: literature and research grounding; hypothesis formation and planning; experimentation and tool use; feedback, validation, and review; and reporting and knowledge communication. We further synthesize AI scientist systems, mixed-initiative co-research frameworks, benchmarks, domain deployments, and open-source infrastructures. Finally, we propose five evaluation dimensions--novelty, validity, impact, reliability, and provenance--and show that AutoResearch autonomy is domain-conditioned, being more credible in structured, executable, and rapidly verifiable settings but limited in embodied, delayed, heterogeneous, ethical, or institutionally accountable contexts.
• Abstract（参考訳）: 科学研究は、孤立した支援を超えて、文学の基礎、仮説生成、実験、検証、報告、修正にまたがる長期的なワークフローへと移行するAIシステムによって再形成されている。 このシフトは、科学のためのタスクレベルのAIから、ワークフローレベルの研究自動化への移行を表している。 しかし、現在のシステムは断片化され、自律性、ドメインの範囲、実行環境、検証メカニズム、人間の監視に相変わらず、証拠保存、再現性、弱い方向の拒絶、証明の追跡、ドメイン間の堅牢性、説明可能な科学的閉鎖に苦慮している。 この調査は、AIを活用した科学ワークフロー自動化の発達スペクトルとして定義されたAutoResearchを通じて、これらの開発を調査する。 Vibe Researchは、プロンプトベースのアシストと人間による検証された実行の、人間を操る領域を表していますが、新たなAI主導のシステムは、堅牢な自律性を達成することなく、発見ループの大部分をコーディネートします。 文献,研究基盤,仮説形成と計画,実験とツールの使用,フィードバック,検証,レビュー,および報告と知識コミュニケーションの5つのワークフロー条件を中心に,研究システムがワークフロー全体の制御,エビデンス,実行,検証,説明責任を再編成する方法について分析する。 さらに、AIサイエンティストシステム、混合開始型共同調査フレームワーク、ベンチマーク、ドメインデプロイメント、オープンソースのインフラストラクチャを合成します。 そして、AutoResearchの自律性は、構造化、実行可能、迅速に検証可能な設定でより信頼性が高く、具体化、遅延、不均一、倫理的、制度的に説明可能なコンテキストで制限されていることを示す。

関連論文リスト

• AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
  研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。 我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。 障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
  論文  参考訳（メタデータ） (2026-05-18T17:08:26Z)
• From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery [108.1082357960201]
  エージェントAIは仮説生成、実験設計、実行、分析、反復的洗練の能力を示す。 この調査は、生命科学、化学、材料科学、物理学にまたがる自律的な科学的発見のドメイン指向のレビューを提供する。
  論文  参考訳（メタデータ） (2025-08-18T05:25:54Z)
• From Automation to Autonomy: A Survey on Large Language Models in Scientific Discovery [67.07598263346591]
  大規模言語モデル(LLM)は科学的発見のパラダイムシフトを触媒している。 この調査は、この急成長する分野を体系的に分析し、科学におけるLLMの役割の変化とエスカレーション能力に重点を置いている。
  論文  参考訳（メタデータ） (2025-05-19T15:41:32Z)
• Agentic AI for Scientific Discovery: A Survey of Progress, Challenges, and Future Directions [0.0]
  エージェントAIシステムは推論、計画、自律的な意思決定を行うことができる。 彼らは、科学者が文献のレビューを行い、仮説を作成し、実験を行い、結果を分析する方法を変えようとしている。
  論文  参考訳（メタデータ） (2025-03-12T01:00:05Z)

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。