論文の概要: AutoSci: A Memory-Centric Agentic System for the Full Scientific Research Lifecycle

• arxiv url: http://arxiv.org/abs/2605.31468v1
• Date: Fri, 29 May 2026 16:00:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.719481
• Title: AutoSci: A Memory-Centric Agentic System for the Full Scientific Research Lifecycle
• Title（参考訳）: AutoSci: 完全科学研究ライフサイクルのためのメモリ中心エージェントシステム
• Abstract要約: AutoSciは、完全な科学研究ライフサイクルのためのメモリ中心のエージェントシステムである。 SciMem、SciFlow、SciDAG、SciEvolveの4つのモジュールで構成されている。
• 参考スコア（独自算出の注目度）: 24.50819107720795
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scientific research has traditionally been human-intensive, requiring researchers to coordinate literature, ideas, experiments, manuscripts, and review responses across long project cycles. The rise of LLM-based scientific agents creates an opportunity to automate this process. Such a system must support the full research lifecycle, maintain structured persistent memory across projects, and improve its own research procedures over time. However, existing systems either partially satisfy or fail to satisfy these requirements, leaving a gap for a unified automated scientific research system. As a result, we present AutoSci, a memory-centric agentic system for the full scientific research lifecycle. AutoSci is organized around four modules. SciMem provides schema-governed research memory, separating Long-Term Knowledge Memory for reusable scientific knowledge from Active Research Memory for project-level artifacts such as ideas, experiments, manuscripts, and reviews. SciFlow executes a five-stage lifecycle from literature understanding to rebuttal through a harness that controls state, context, verification, feedback, and orchestration. SciDAG augments difficult skills with DAG-shaped multi-agent operators and reusable stage-specific templates. SciEvolve converts feedback signals from users, experiments, reviews, and external environments into versioned updates to SciMem organization, SciFlow skills, and SciDAG templates. Together, these modules make AutoSci a persistent research environment that can execute, remember, and evolve across research projects. The code repository is available at https://github.com/skyllwt/AutoSci.
• Abstract（参考訳）: 科学研究は伝統的に人間中心であり、研究者は長いプロジェクトサイクルを通じて文学、アイデア、実験、原稿、反応を調整する必要がある。 LLMベースの科学エージェントの台頭は、このプロセスを自動化する機会を生み出します。 このようなシステムは、完全な研究ライフサイクルをサポートし、プロジェクト全体にわたって構造化された永続的なメモリを維持し、時間とともに独自の研究手順を改善する必要がある。 しかし、既存のシステムはこれらの要件を部分的に満たすか満たさないかのいずれかであり、統一された自動科学研究システムのギャップを残している。 その結果,完全科学研究ライフサイクルのためのメモリ中心のエージェントシステムであるAutoSciについて紹介した。 AutoSciは4つのモジュールで構成されている。 SciMemはスキーマ管理された研究メモリを提供し、再利用可能な科学知識のための長期知識メモリと、アイデア、実験、原稿、レビューのようなプロジェクトレベルのアーティファクトのためのアクティブリサーチメモリを分離する。 SciFlowは、状態、コンテキスト、検証、フィードバック、オーケストレーションを制御するハーネスを通じて、文献理解から反論までの5段階ライフサイクルを実行する。 SciDAGはDAG型のマルチエージェント演算子と再利用可能なステージ固有のテンプレートで難しいスキルを増強する。 SciEvolveは、ユーザ、実験、レビュー、外部環境からのフィードバック信号を、SciMemの組織、SciFlowスキル、SciDAGテンプレートのバージョニングアップデートに変換する。 これらのモジュールは、AutoSciを研究プロジェクト全体で実行、記憶、進化できる永続的な研究環境にする。 コードリポジトリはhttps://github.com/skyllwt/AutoSciで公開されている。

関連論文リスト

• SciForge: An AI-Native, Multimodal Workbench for Scientific Discovery [48.99744520105086]
  SciForgeはマルチモーダルな研究ネイティブAIワークベンチである。 検索、解析、モデルルーティング、ワークフローの実行、プロット、書き込み、プレゼンテーション生成がモジュラーエージェントアクセス可能なサービスとして実行される間、人間の判断のためにグラフィカルインターフェースを予約する。
  論文  参考訳（メタデータ） (2026-07-17T15:13:03Z)
• Rethinking Scientific Discovery in the Agentic Era [69.85050591628048]
  SCIONは、Textbfの組織ネクサスとして機能するエージェント科学オペレーティングシステムである。 中心となるのは textbfResearch Execution Plan (REP) であり、これは高いレベルの科学的意図をステージ化された目的、依存関係、検証チェックポイント、ツール要件、期待される成果物、フォールバック条件にコンパイルする。 SCION 下での発見を textbfTarget- Conditioned Inverse Search として定式化し,有限実験予算下でのバッチ能動探索により隠れターゲット設定に拡張する。
  論文  参考訳（メタデータ） (2026-07-04T13:09:33Z)
• SciCustom: A Framework for Custom Evaluation of Scientific Capabilities in Large Language Models [63.357710580101894]
  大規模言語モデル(LLM)は、科学研究にますます応用されているが、既存の評価は、実際に必要とされる詳細な能力の反映に失敗することが多い。 この問題に対処するため、SciCustomという新しいフレームワークを提案する。 大規模な科学的データからベンチマークのカスタム構築を可能にし、LLMの応用固有の科学的能力を評価する。
  論文  参考訳（メタデータ） (2026-05-19T04:41:43Z)
• 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)
• NanoResearch: Co-Evolving Skills, Memory, and Policy for Personalized Research Automation [59.19858972597063]
  LLMを利用したマルチエージェントシステムは、アイデアから論文執筆までの完全な研究パイプラインを自動化できるようになったが、根本的な疑問が残る。 我々は,三段階共進化によってこれらのギャップに対処するマルチエージェントフレームワークであるNanoResearchを提案する。 技能銀行は、繰り返しの業務をプロジェクト間で再利用可能なコンパクトな手続き規則に蒸留する。 メモリモジュールは、各ユーザの研究履歴における計画決定の基礎となる、ユーザとプロジェクト特有のエクスペリエンスを維持します。 ラベルフリーポリシー学習は、自由形式のフィードバックをプランナーの永続パラメータ更新に変換し、その後の調整を再構築する。
  論文  参考訳（メタデータ） (2026-05-11T16:33:47Z)
• SciDER: Scientific Data-centric End-to-end Researcher [9.796056249900785]
  SciDERは研究ライフサイクルを自動化するデータ中心のエンドツーエンドシステムである。 従来のフレームワークとは異なり、当社の特殊エージェントは生の科学データを解析し分析します。 また、PyPIパッケージを軽量なWebインターフェースで提供し、自律的でデータ駆動型研究を加速します。
  論文  参考訳（メタデータ） (2026-03-02T03:53:20Z)
• 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)
• The AI Cosmologist I: An Agentic System for Automated Data Analysis [0.0]
  AIの宇宙論者は、アイデア生成から実験評価、研究普及までの完全なパイプラインを実装している。 従来の自動機械学習システムとは異なり、AI Cosmoologistは多様な実装戦略を生成する。 その結果, エージェントシステムは研究プロセスの一部を自動化し, 科学的発見を加速させる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-04-04T13:12:08Z)

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。