論文の概要: EvoSci: A Bio-Inspired Multi-Agent Framework for the Evolution of Scientific Discovery
- arxiv url: http://arxiv.org/abs/2605.24018v1
- Date: Wed, 20 May 2026 04:58:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:17.537022
- Title: EvoSci: A Bio-Inspired Multi-Agent Framework for the Evolution of Scientific Discovery
- Title（参考訳）: EvoSci:科学発見の進化のためのバイオインスパイアされたマルチエージェントフレームワーク
- Authors: Xiaoyu Xiong, Yuqi Ren, Deyi Xiong,
- Abstract要約: EvoSciは、バイオインスパイアされた進化と知識グラフモデリングを統合する、マルチエージェントの科学コラボレーションフレームワークである。
共同推論、共有記憶、進化的フィードバックを組み合わせることで、EvoSciは科学的探索の一貫性と創造性を著しく向上させる。
- 参考スコア（独自算出の注目度）: 51.25847252305662
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models (LLMs), have shown strong potential in scientific discovery, yet existing methods still face substantial challenges in the design of research workflows and multi-role collaboration mechanisms. To mitigate these issues, we propose EvoSci, a multi-agent scientific collaboration framework, which integrates bio-inspired evolution with knowledge graph modeling. To iteratively generate, evaluate, and refine research ideas, EvoSci incorporates multiple role-based agents, including mentor, researcher, and reviewer. By combining collaborative reasoning, shared memory, and evolutionary feedback, EvoSci significantly enhances the coherence and creativity of scientific exploration. Experiments on real-world research topics demonstrate that EvoSci significantly outperforms strong baselines in LLM-based structured peer-review and comparative ranking evaluations, achieving the highest overall peer-review score (ICLR 4.90) and top ranking (Top-10 = 54). These results suggest its superiority in both scientific idea generation and continuous discovery.
- Abstract（参考訳）: 大規模言語モデル(LLM)は科学的発見に強い可能性を示しているが、既存の手法は研究ワークフローやマルチロール協調機構の設計において大きな課題に直面している。
これらの問題を緩和するために,バイオインスパイアされた進化と知識グラフモデリングを統合したマルチエージェントな科学コラボレーションフレームワークであるEvoSciを提案する。
研究アイデアを反復的に生成、評価、洗練するために、EvoSciはメンター、研究者、レビュアーを含む複数のロールベースのエージェントを組み込む。
共同推論、共有記憶、進化的フィードバックを組み合わせることで、EvoSciは科学的探索の一貫性と創造性を著しく向上させる。
実世界の研究では、EvoSciはLLMに基づく構造化されたピアレビューと比較されたランキング評価において、高いベースラインを著しく上回り、ピアレビュースコア(ICLR 4.90)とトップランキング(Top-10 = 54)を達成している。
これらの結果は、科学的アイデア生成と連続的な発見の両方において、その優位性を示唆している。
関連論文リスト
- EvoScientist: Towards Multi-Agent Evolving AI Scientists for End-to-End Scientific Discovery [18.348102991427965]
EvoScientistは進化するマルチエージェントAI科学者フレームワークである。
永続記憶と自己進化を通じて研究戦略を継続的に改善する。
科学的なアイデア生成において、7つのオープンソースおよび商用の最先端システムを上回っている。
論文 参考訳（メタデータ） (2026-03-09T09:07:19Z) - 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) - Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System [62.832818186789545]
Virtual Scientists (VirSci) は、科学研究に固有のチームワークを模倣するために設計されたマルチエージェントシステムである。
VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。
このマルチエージェントアプローチは、新しい科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-10-12T07:16:22Z)
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。