論文の概要: CMIP-Forge: An Agentic System that Retrieves, Computes, and Self-Reviews Climate Science

• arxiv url: http://arxiv.org/abs/2606.17076v1
• Date: Wed, 10 Jun 2026 14:52:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.03626
• Title: CMIP-Forge: An Agentic System that Retrieves, Computes, and Self-Reviews Climate Science
• Title（参考訳）: CMIP-Forge: 気候科学を検索、計算、自己レビューするエージェントシステム
• Authors: Dmitrii Pantiukhin, Boris Shapkin, Ivan Kuznetsov, Thomas Jung, Nikolay Koldunov,
• Abstract要約: CMIP-Forgeは、ハイブリッド検索強化世代(RAG)と自律分析システムである。 科学文献と地球システムグリッド連盟(ESGF)のデータアーカイブのギャップを埋める。 我々は、大気中のテレコネクション、海洋力学、地域極端、地球温暖化予測にまたがるエンドツーエンドの自律的な研究パイプラインを通して、システムの能力を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Coupled Model Intercomparison Project Phase 6 (CMIP6) has generated thousands of peer-reviewed publications documenting model configurations, evaluation procedures, emergent constraints, and projection uncertainties. As the community transitions toward CMIP7, efficiently extracting and operationalizing this unstructured knowledge alongside live data analysis represents a critical bottleneck. Here we present CMIP-Forge, a hybrid retrieval-augmented generation (RAG) and autonomous analysis system that bridges the gap between scientific literature and Earth System Grid Federation (ESGF) data archives. The system pairs a curated corpus of 6,581 CMIP6-related open-access publications (101,828 indexed chunks) with an agentic pipeline in which a tool-augmented worker plans and executes Python workflows over live climate data, while a panel of independent reviewer models audits its methodology end to end. CMIP-Forge introduces a multi-layered Defense-in-Depth architecture that enforces physical and methodological invariants through executable mechanisms: Abstract Syntax Tree (AST) static analysis, audited scientific primitives, and an autonomous adversarial peer-review protocol. We demonstrate the system's capabilities through end-to-end autonomous research pipelines spanning atmospheric teleconnections, ocean dynamics, regional extremes, and global warming projections. An agentic analysis system grounded in peer-reviewed literature, constrained by automated code guardrails, and audited by an independent adversarial review loop can complete complex climate-research workflows autonomously. The same experiments expose concrete failure modes of the review loop (sycophantic regression, REVISE verdicts that are never resolved, and the submission of stub code for review), each diagnosable from the immutable telemetry and provenance record released with the article.
• Abstract（参考訳）: The Coupled Model Intercomparison Project Phase 6 (CMIP6)は、モデル構成、評価手順、創発的制約、予測の不確実性を文書化した何千もの査読された出版物を作成した。 コミュニティがCMIP7に移行するにつれて、この非構造化知識をライブデータ分析とともに効率的に抽出し、運用することが重要なボトルネックとなっている。 本稿では,科学文献と地球システムグリッドフェデレーション(ESGF)データアーカイブのギャップを埋めるハイブリッド検索強化世代(RAG)と自律分析システムであるCMIP-Forgeを紹介する。 このシステムは、6,581のCMIP6関連オープンアクセスパブリッシュ(101,828のインデックス付きチャンク)のキュレートされたコーパスと、ツール拡張されたワーカが生の気候データ上でPythonワークフローを計画し実行するエージェントパイプラインをペアリングする。 CMIP-Forgeは、抽象構文木(AST)静的解析、監査された科学プリミティブ、自律的な対向的ピアレビュープロトコルなど、実行可能なメカニズムを通じて物理的および方法論的不変性を強制する多層Defense-in-Depthアーキテクチャを導入している。 我々は、大気中のテレコネクション、海洋力学、地域極端、地球温暖化予測にまたがるエンドツーエンドの自律的な研究パイプラインを通して、システムの能力を実証する。 自動コードガードレールで制約された、ピアレビューされた文献に基づくエージェント分析システムと、独立した敵レビューループによって監査されたエージェント分析システムは、複雑な気候調査ワークフローを自律的に完了させることができる。 同じ実験では、レビューループの具体的な障害モード(サイコファンティックレグレッション、解決されないREVISE検証、レビューのためのスタブコードの提出)が公開されており、いずれも不変テレメトリと前兆記録から診断可能である。

関連論文リスト

• ARIS: Autonomous Research via Adversarial Multi-Agent Collaboration [10.076972559007116]
  ARIS(Auto-Research-in-sleep)は、自律的な研究のためのオープンソースの研究ハーネスである。 ARISは、クロスモデル対外コラボレーションを通じて機械学習の研究を調整する。
  論文  参考訳（メタデータ） (2026-05-04T18:10:15Z)
• Towards Multi-Agent Autonomous Reasoning in Hydrodynamics [0.06999740786886537]
  本稿では,多エージェントをレイヤ実行グラフ(LEG)を介して協調させる,流体力学のためのマルチエージェントシステム(MAS)のプロトタイプを提案する。 プランナーエージェントは、ドメイン知識を厳密な制御ロジックとしてハードコーディングすることなく、自然言語ルーティングからクエリ固有の実行トポロジを構築する。 レポーターエージェントが最終応答を合成し、ランタイムが監査性をサポートするためのツール呼び出し毎に証明をログする。
  論文  参考訳（メタデータ） (2026-05-01T21:17:55Z)
• AI-Supervisor: Autonomous AI Research Supervision via a Persistent Research World Model [1.14219428942199]
  既存の自動研究システムは、ステートレスでリニアなパイプラインとして動作する。 マルチエージェントオーケストレーションフレームワークである textbfAI-Supervisor を提案する。 エージェントは、人間の関心によって駆動されるエンドツーエンドのAI研究の監督を提供する。
  論文  参考訳（メタデータ） (2026-03-25T15:16:51Z)
• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• Autonomous Agents Coordinating Distributed Discovery Through Emergent Artifact Exchange [3.923443951480117]
  ScienceClaw + Infiniteは、独立したエージェントが中央調整なしで研究を行う自律的な科学調査の枠組みである。 システムは3つのコンポーネントで構成されている:300以上の科学スキルの相互運用可能なレジストリ、完全な計算系を保存するアーティファクト層、エージェントベースの科学談話のための構造化プラットフォーム。
  論文  参考訳（メタデータ） (2026-03-15T10:06:57Z)
• A Hierarchical Multi-Agent System for Autonomous Discovery in Geoscientific Data Archives [0.0]
  PANGAEA-GPTは、自律的なデータ発見と分析のために設計された階層型マルチエージェントフレームワークである。 標準のLarge Language Model (LLM)ラッパーとは異なり、我々のアーキテクチャは集中型スーパーバイザ-ワーバートポロジを実装している。 人間の介入を最小限に抑えながら、複雑な多段階決定論的ランタイムを実行するシステムの能力を実証する。
  論文  参考訳（メタデータ） (2026-02-24T20:37:38Z)
• CoDA: Agentic Systems for Collaborative Data Visualization [57.270599188947294]
  深層研究はデータ分析に革命をもたらしたが、データサイエンティストは依然として手作業による視覚化にかなりの時間を費やしている。 単純なシングルエージェントシステムやマルチエージェントシステムを含む既存のアプローチは、しばしばタスクを単純化する。 本稿では,メタデータ分析,タスク計画,コード生成,自己回帰に特殊なLLMエージェントを利用するマルチエージェントシステムであるCoDAを紹介する。
  論文  参考訳（メタデータ） (2025-10-03T17:30:16Z)
• HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
  HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。 システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
  論文  参考訳（メタデータ） (2025-08-01T20:30:42Z)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)

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。