論文の概要: MOOSE-Copilot: A Web-Based Interactive Assistant for Unified Exploratory and Fine-Grained Scientific Hypothesis Discovery
- arxiv url: http://arxiv.org/abs/2605.29475v1
- Date: Thu, 28 May 2026 07:06:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:55.880695
- Title: MOOSE-Copilot: A Web-Based Interactive Assistant for Unified Exploratory and Fine-Grained Scientific Hypothesis Discovery
- Title（参考訳）: MOOSE-Copilot: 統一された探索と微粒化科学仮説発見のためのWebベースのインタラクティブアシスタント
- Authors: Hongran An, Zonglin Yang,
- Abstract要約: 我々は、この抽象化ギャップを形式化された人間-AIインタラクションプロトコルによって橋渡しする最初の統合フレームワークであるMOOSE-Copilotを提案する。
私たちのシステムでは、初期青写真、段階間ルーティング、再生フィードバックという3つの明確なシグナルを通じて、生成過程を制御できます。
このパラダイムを民主化するために,対話型ツリー可視化機能を備えた直感的なWebベースインタフェースを開発した。
- 参考スコア（独自算出の注目度）: 4.6860802702914786
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models (LLMs) show remarkable potential in scientific hypothesis discovery. However, existing approaches face two critical limitations: they treat divergent exploratory ideation and convergent fine-grained refinement as isolated tasks, and they operate autonomously with little to no human guidance. We present MOOSE-Copilot, the first unified framework to bridge this abstraction gap through a formalized human-AI interaction (HAII) protocol. Our system empowers scientists to steer the generative process via three explicit signals: initial blueprints, inter-stage routing, and regenerative feedback. Quantitative evaluations demonstrate that injecting these structured expert signals significantly outperforms purely autonomous baselines, establishing a performance ceiling under oracle guidance. Furthermore, to democratize this paradigm, we develop an intuitive web-based interface featuring interactive tree visualization. This explicitly eliminates the steep learning curve of complex command-line agentic tools, empowering interdisciplinary researchers to directly leverage, visually orchestrate, and accelerate end-to-end scientific breakthroughs.
- Abstract（参考訳）: 大型言語モデル (LLMs) は科学的仮説の発見において顕著な可能性を示している。
しかし、既存のアプローチは2つの重要な制限に直面している。それらは多種多様な探索的考えと収束した微細な精細化を独立したタスクとして扱い、人的指導をほとんど、あるいは全く行わずに自律的に運用する。
我々は,この抽象化ギャップを形式化されたHuman-AIインタラクション(HAII)プロトコルによって橋渡しする最初の統一フレームワークであるMOOSE-Copilotを提案する。
我々のシステムは、初期青写真、段階間ルーティング、再生フィードバックという3つの明確な信号を通して、生成過程を制御できる。
定量的評価では、これらの構造化された専門家信号の注入は純粋に自律的なベースラインを著しく上回り、オラクル指導の下でパフォーマンス天井を確立する。
さらに,このパラダイムを民主化するために,対話型ツリー可視化機能を備えた直感的なWebベースインタフェースを開発する。
これは複雑なコマンドラインエージェントツールの急な学習曲線を明示的に排除し、学際的研究者が直接活用し、視覚的にオーケストレーションし、エンドツーエンドの科学的なブレークスルーを加速する権限を与える。
関連論文リスト
- Beyond AI as Assistants: Toward Autonomous Discovery in Cosmology [0.02455468619225742]
人工知能(AI)エージェントの最近の進歩は、自律的な科学的発見に向けたツールを超えて、AIを推し進めている。
textttCMBEvolve と textttCosmoEvolve の2つの相補的エージェントシステムについて論じる。
宇宙論は、AI科学者システムの開発において、制御されたベンチマークタスクと現実的なオープンな研究課題の両方を提供することができるかを示す。
論文 参考訳（メタデータ） (2026-05-14T12:58:12Z) - Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond [209.35045331678043]
2つの軸に沿って組織された「レベルx法」の分類を導入します。
第一に、3つの能力レベルを定義している: 1段階の局所遷移演算子を学ぶL1 Predictor、それらをドメインの法則を尊重する多段階のアクション条件付きロールアウトに構成するL2 Simulator、新しいエビデンスに対して予測が失敗すると自己のモデルを自動で修正するL3 Evolver。
我々は400以上の作品を合成し、モデルに基づく強化学習、ビデオ生成、WebおよびGUIエージェント、マルチエージェント社会シミュレーション、AIによる科学的発見にまたがる100以上の代表システムを要約する。
論文 参考訳（メタデータ） (2026-04-24T17:48:47Z) - Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。
Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。
ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
論文 参考訳（メタデータ） (2026-03-01T14:19:59Z) - From Agent-Only Social Networks to Autonomous Scientific Research: Lessons from OpenClaw and Moltbook, and the Architecture of ClawdLab and Beach.Science [0.0]
OpenClawとMoltbookは2026年1月に、自律型AI-AIインタラクションの大規模なデータセットを作成した。
本研究は,その生態系の多言語文献レビューを行い,自律科学研究のための2つの補完的プラットフォームを提示する。
論文 参考訳（メタデータ） (2026-02-23T13:10:01Z) - Accelerating Scientific Research with Gemini: Case Studies and Common Techniques [105.15622072347811]
大規模言語モデル(LLM)は、科学研究を加速するための新たな道を開いた。
先進的なAIモデルとどのように協力したかを示すケーススタディのコレクションを提示する。
論文 参考訳（メタデータ） (2026-02-03T18:56:17Z) - Seismology modeling agent: A smart assistant for geophysical researchers [14.28965530601497]
本稿では,Large Language Models (LLM) を利用したインテリジェントな対話型ワークフローを提案する。
SPECFEMのための最初のモデルコンテキストプロトコル(MCP)サーバスイートを紹介する。
このフレームワークは、完全な自動実行とHuman-in-the-loopコラボレーションの両方をサポートする。
論文 参考訳（メタデータ） (2025-12-16T14:18:26Z) - ECHO: Ego-Centric modeling of Human-Object interactions [71.17118015822699]
ECHO (Ego-Centric Modeling of Human-Object Interaction) を開発した。
人間のポーズ、物体の動き、そしてそのような最小限の観察から接触の3つのモダリティを回復する。
同じ柔軟性を提供しない既存のメソッドよりも優れています。
論文 参考訳（メタデータ） (2025-08-29T12:12:22Z) - Active Inference AI Systems for Scientific Discovery [1.450405446885067]
この観点では、進歩は抽象論、推論、経験的根拠の3つのギャップを互いに強化する。
デザイン原則は、想像空間を推論し、世界から学ぶシステムのために提案されている。
論文 参考訳（メタデータ） (2025-06-26T14:43:04Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z)
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。