論文の概要: Process-Reward Tactic Evolution for Long-Horizon Bioinformatics Workflows

• arxiv url: http://arxiv.org/abs/2606.20839v1
• Date: Thu, 18 Jun 2026 18:25:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 12:35:40.412662
• Title: Process-Reward Tactic Evolution for Long-Horizon Bioinformatics Workflows
• Title（参考訳）: 長期バイオインフォマティクスワークフローのためのプロセス・リワード戦術進化
• Authors: Lingzhi Yang, Yubo Fan, Song Wu, Gilchan Park,
• Abstract要約: 我々は、検証済みワークフローのロールアウトを再利用可能な戦術に変換する、GalaxyベースのトレーニングフレームワークであるProcess-Reward Tactic Evolutionを提案する。 訓練中、エージェントはAgens Gymのカリキュラム化されたGalaxyタスクを実践し、プロセス検証者はワークフローの構築、ソフトウェアインタラクション、実行、生物学的正当性をスコアする。 推論では、トレーニングされた実行元であるProcess-Reward Tactic Evolutionが、このライブラリを使用して、BioWork BenchとBioAgent Benchタスクに変換されたGalaxyのレビュー済みのワークフローを実行している。
• 参考スコア（独自算出の注目度）: 5.446289054766118
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM agents can write code and call tools, but reliable bioinformatics work requires long-horizon interaction with workflow software, typed data objects, provenance, and biological checks. We study this setting through Galaxy workflow execution. The agent must explore task data, construct or adapt an executable workflow DAG, bind inputs and dataset collections, monitor execution, debug failures, and validate biological outputs. We propose Process-Reward Tactic Evolution, a Galaxy-based training framework that turns verified workflow rollouts into reusable \tactics. During training, agents practice on curriculum-organized Galaxy tasks in Agent Gym; process verifiers score workflow construction, software interaction, execution, and biological correctness; successful and failed traces are distilled into a tactic library. At inference, the trained executor, Process-Reward Tactic Evolution, uses this library to execute held-out peer reviewed Galaxy workflow converted BioWorkflow Bench and BioAgent Bench tasks in isolated environments. The paper evaluates whether process-supervised tactic accumulation improves long-horizon bioinformatics workflow completion, biological correctness, and execution efficiency over no-memory and reflection-style baselines.
• Abstract（参考訳）: LLMエージェントはコードやコールツールを記述できるが、信頼性の高いバイオインフォマティクスの作業はワークフローソフトウェア、型付きデータオブジェクト、証明、生物学的チェックとの長時間のインタラクションを必要とする。 我々はこの設定をGalaxyのワークフロー実行を通して研究する。 エージェントはタスクデータを調べ、実行可能なワークフローDAGを構築し、適応させ、入力とデータセットコレクションをバインドし、実行を監視し、障害をデバッグし、生物学的出力を検証する必要がある。 本稿では,GalaxyベースのトレーニングフレームワークであるProcess-Reward Tactic Evolutionを提案する。 訓練中、エージェントはAgens Gymのカリキュラム化されたGalaxyタスクを実践し、プロセス検証者はワークフローの構築、ソフトウェアインタラクション、実行、生物学的正確性をスコアし、成功と失敗の痕跡を戦術ライブラリーに蒸留する。 推論では、トレーニングされた実行元であるProcess-Reward Tactic Evolutionが、このライブラリを使用して、隔離された環境でBioWorkflow BenchとBioAgent Benchタスクに変換されたGalaxyのレビュー済みのワークフローを実行する。 本論文は, プロセス管理戦術蓄積が, 長期バイオインフォマティクスのワークフロー完了, 生物学的正確性, 実行効率を, メモリやリフレクションスタイルのベースラインよりも向上させるか否かを評価する。

関連論文リスト

• From Specification to Execution: AI Assisted Scientific Workflow Management [0.7507031378170735]
  本稿では,AIを活用した科学ワークフロー管理手法を提案する。 このメソッドは、ワークフローの意図、設計、実装を分離する構造化された仕様フェーズを導入し、コード生成に先立って検証を可能にする。 本手法は, 並列性, 反復性, 依存性集約構造で選択された医用画像にフェデレートした学習ワークフローを用いて評価する。
  論文  参考訳（メタデータ） (2026-06-16T19:21:09Z)
• Claw-Eval-Live: A Live Agent Benchmark for Evolving Real-World Workflows [67.92316850084575]
  ワークフローエージェントのライブベンチマークであるClaw-Eval-Liveを紹介する。 各リリースは、公開ワークフロー要求信号から構築される。 Claw-Eval-Liveは実行トレース、監査ログ、サービス状態、実行後のワークスペースアーティファクトを記録する。
  論文  参考訳（メタデータ） (2026-04-30T17:23:19Z)
• Synthesizing Procedural Memory: Challenges and Architectures in Automated Workflow Generation [0.5599792629509229]
  本稿では、受動的ツールユーザからアクティブなワークフローアーキテクトへの移行を運用する。 エージェントは仮説、調査、コードの科学的方法論を強制することによって、堅牢で生産レベルのコードスキルを自律的に書けることを実証する。
  論文  参考訳（メタデータ） (2025-12-23T11:33:32Z)
• From Prompt to Pipeline: Large Language Models for Scientific Workflow Development in Bioinformatics [2.2160604288512324]
  本研究では,最先端の大規模言語モデルが正確なバイオインフォマティクスを生成できるかどうかを考察する。 生成されたデータは,Galaxy Training Network と nf-core のコミュニティによるベースラインに対して評価される。 その結果、Gemini 2.5 FlashはGalaxyで最も正確でユーザフレンドリで、DeepSeek-V3はNextflowパイプライン生成に優れていた。
  論文  参考訳（メタデータ） (2025-07-27T04:08:11Z)
• WorkflowLLM: Enhancing Workflow Orchestration Capability of Large Language Models [105.46456444315693]
  ワークフローオーケストレーションにおける大規模言語モデルの能力を高めるための,データ中心のフレームワークであるLLMを提案する。 最初は106,763のサンプルで大規模な微調整Benchを構築し、28のカテゴリにわたる83のアプリケーションから1,503のAPIをカバーしている。 LlamaLlamaは複雑なAPIをオーケストレーションする能力を示しながら、優れた一般化性能を実現している。
  論文  参考訳（メタデータ） (2024-11-08T09:58:02Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)

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。