論文の概要: StatefulDiscovery: Evidence-Calibrated Claim Formation in Open-Ended Scientific Discovery

• arxiv url: http://arxiv.org/abs/2606.11851v1
• Date: Wed, 10 Jun 2026 09:28:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.389813
• Title: StatefulDiscovery: Evidence-Calibrated Claim Formation in Open-Ended Scientific Discovery
• Title（参考訳）: StatefulDiscovery: オープンエンディングされた科学発見における証拠キャリブレーションによるクレームの形成
• Abstract要約: StatefulDiscoveryは、調査状態を外部化し、フロンティアの選択、エビデンス取得、クレーム判断を調整するための発見フレームワークである。 StatefulDiscoveryを40のリアルタイムなデータ発見タスクで評価する。
• 参考スコア（独自算出の注目度）: 20.894894422225306
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-ended scientific discovery asks agents to move beyond executing analyses for predefined questions. Across multiple rounds of exploration, a discovery agent must decide which phenomena warrant investigation while avoiding overinterpretation, where emerging claims exceed the evidential scope of the analyses supporting them. This creates an evidence-calibration problem: the exploration trajectory must be coupled with claim status so that evidence can guide both what to investigate next and what can be claimed. We introduce StatefulDiscovery, a discovery framework that externalizes investigation state and uses it to coordinate frontier selection, evidence acquisition, and claim adjudication. We evaluate StatefulDiscovery across 40 real-data discovery tasks. Compared with several baselines, StatefulDiscovery produces more claims overall judged to be both well-supported and high-value. Ablations indicate that structured hypotheses, local adjudication, and frontier control contribute to performance. Together, these results suggest that explicit discovery state can couple exploration with evidence-calibrated claim formation.
• Abstract（参考訳）: オープンエンドの科学的発見は、事前に定義された質問に対する分析の実行を超えて、エージェントに行動するよう求めている。 複数回の探索において、発見エージェントは過度な解釈を避けながら、どの現象が調査を保証しているかを判断しなければならない。 探索軌道はクレーム状態と結合されなければならないので、証拠は次に何を調査すべきか、何が主張できるのかを導くことができる。 StatefulDiscoveryは、調査状態を外部化し、フロンティアの選択、証拠取得、クレームの仲裁を行うための発見フレームワークである。 StatefulDiscoveryを40のリアルタイムなデータ発見タスクで評価する。 いくつかのベースラインと比較すると、StatefulDiscoveryは、全体的なクレームが十分にサポートされ、高い価値の両方であると判断される。 アブレーションは、構造化仮説、局所的偏見、フロンティア制御がパフォーマンスに寄与していることを示している。 これらの結果は、明示的な発見状態が証拠校正されたクレーム形成と組み合わせることができることを示唆している。

関連論文リスト

• Diagnosing Search Behavior and Failure Modes in Long-Horizon Search Agents [63.2133766267587]
  ディープサーチエージェントは、証拠収集のために検索クエリを反復的に発行することで、難解な情報検索質問に答える。 本研究では,長軸探索エージェントの軌跡レベル診断を用いてこれらの質問について検討する。 我々は,各探索ステップで得られた証拠を評価し,エージェントの行動の2つの段階を分離する。
  論文  参考訳（メタデータ） (2026-08-03T08:46:48Z)
• HiEviDR-Bench: A Benchmark for Hierarchical Evidence Aggregation in Deep Research [52.87128503345243]
  我々は,Deep Researchにおける階層的エビデンス・アグリゲーションを評価するためのベンチマークであるHiEviDR-Benchを紹介する。 HiEviDR-Benchは、エビデンスの選択、クロスソースリンク、アグリゲーションをキャプチャする明示的なエビデンスグラフを持つ各インスタンスを表す。 報告品質,エビデンストレーサビリティ,引用精度,クレーム検証,回答正当性という5次元のトレーサビリティ指向評価フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-27T23:50:46Z)
• DRNOISE: Benchmarking Deep Research Agents in Misleading Evidence Environments [51.049999642138]
  誤解を招く証拠の下で、回答回復のための100タスクのベンチマークであるDRNOISEを紹介する。 それぞれのタスクは、2つの間接的レコードチェーンが支持する固有の金の答えを持ち、ペアのノイズ条件は競合する答えを直接記述する1つのもっともらしい文書を付加する。 強いクリーンタスク性能を持つエージェント全体で、この単一の介入は66-88ポイントの精度低下を引き起こす。
  論文  参考訳（メタデータ） (2026-07-19T15:20:40Z)
• Autonomous Scientific Discovery via Iterative Meta-Reflection [44.46230654454998]
  本研究では,データセットを探索するコードを動的に生成し,実行することにより,オープンエンドの研究を行うフレームワークであるDiscoPERを紹介する。 先行発見を経験的データとして扱うことにより、DiscoPERは探索空間の未知領域に向けて仮説探索を積極的にリダイレクトする。 iNatDiscoは、ピアレビューされた文献から得られるパターンレベル基底真理を持つ新しいマルチモーダル生態知識ベンチマークである。
  論文  参考訳（メタデータ） (2026-07-01T16:16:07Z)
• R$^2$-Searcher: Calibrating Retrieval and Reasoning Boundaries for Agentic Search [59.034878430183305]
  R$2$-Searcherは、検索と推論の境界を明示的に探索し、校正する。 R$2$-Searcherは,解答精度と検索品質において,最先端のエージェント検索法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-06-26T19:44:34Z)
• From Fluent to Verifiable: Claim-Level Auditability for Deep Research Agents [8.49451413641847]
  研究生成が安価になるにつれて、監査可能性がボトルネックになる、と我々は主張する。 この観点からは,ディープリサーチエージェントの第一級設計および評価対象として,クレームレベルの監査性を提案する。
  論文  参考訳（メタデータ） (2026-02-14T19:39:15Z)
• FIRE-Bench: Evaluating Agents on the Rediscovery of Scientific Insights [63.32178443510396]
  FIRE-Bench (Full-cycle Insight Rediscovery Evaluation) は、確立された発見の再検討を通じてエージェントを評価するベンチマークである。 最強のエージェントでさえ、限られた再発見成功(50 F1)を達成し、実行中に高いばらつきを示し、実験的な設計、実行、エビデンスに基づく推論において繰り返し失敗モードを表示する。
  論文  参考訳（メタデータ） (2026-02-02T23:21:13Z)
• Complex Claim Verification with Evidence Retrieved in the Wild [73.19998942259073]
  Webから生の証拠を取り出すことによって,実世界のクレームをチェックするための,最初の完全自動化パイプラインを提示する。 私たちのパイプラインには,クレーム分解,生文書検索,きめ細かい証拠検索,クレーム中心の要約,正確性判定という5つのコンポーネントが含まれています。
  論文  参考訳（メタデータ） (2023-05-19T17:49:19Z)
• SciFact-Open: Towards open-domain scientific claim verification [61.288725621156864]
  本稿では,科学的クレーム検証システムの性能評価を目的とした新しいテストコレクションであるSciFact-Openを提案する。 我々は、4つの最先端の科学的クレーム検証モデルの上位予測をプールし、注釈付けすることで、科学的クレームの証拠を収集する。 その結果,SciFact-Openへの一般化に苦慮する小形コーパス上で開発されたシステムは,少なくとも15F1の性能低下を示すことがわかった。
  論文  参考訳（メタデータ） (2022-10-25T05:45:00Z)
• LongChecker: Improving scientific claim verification by modeling full-abstract context [38.73116177387815]
  科学的クレーム検証のためのLongCheckerシステムについて紹介する。 科学的主張と証拠を含む研究の要約が与えられた後、LongCheckerは正当性ラベルを予測し、支持する有理性を特定する。 利用可能なすべてのコンテキストに基づいてラベル決定を行うことで、LongCheckerはこの種の理解を必要とするケースでより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-12-02T23:37:16Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)
• Topic-Aware Evidence Reasoning and Stance-Aware Aggregation for Fact Verification [19.130541561303293]
  本稿では,事実検証のための新たな話題認識型証拠推論とスタンス認識型アグリゲーションモデルを提案する。 2つのベンチマークデータセットで実施されたテストは、事実検証のためのいくつかの最先端アプローチよりも提案モデルの方が優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-02T14:33:12Z)
• AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
  実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。 アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。 我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
  論文  参考訳（メタデータ） (2021-04-01T17:40:08Z)

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。