論文の概要: Agentic-Ideation: Sample Efficient Agentic Trajectories Synthesis for Scientific Ideation Agents
- arxiv url: http://arxiv.org/abs/2606.31229v1
- Date: Tue, 30 Jun 2026 07:07:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.110129
- Title: Agentic-Ideation: Sample Efficient Agentic Trajectories Synthesis for Scientific Ideation Agents
- Title（参考訳）: エージェントイデレーション:科学的思考エージェントのための効率的なエージェント軌道合成
- Abstract要約: 科学的な発見において、理想は重要な役割を担っている。
Agentic-Ideationは、自動軌道合成パイプラインと、科学的思考のために訓練された特殊なエージェントLSMからなる新しいフレームワークである。
- 参考スコア（独自算出の注目度）: 9.918296068965665
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ideation plays a pivotal role in scientific discovery. Recent LLM, especially AI Scientist systems, show promising potential for automated ideation. However, existing approaches predominantly rely on pre-defined agentic workflows. This constraint severely limits the flexibility required to navigate the vast search space of scientific literature and the complex action space of research reasoning. Recently, training Agentic LLMs has emerged as a promising direction, offering flexible reasoning frameworks and the capability for autonomous tool utilization. However, there remains a non-trivial challenge: applying previous agentic data synthesis methods to scientific ideation suffers from prohibitively high data synthesis cost. To bridge this gap, we propose Agentic-Ideation, a novel framework comprising an automated trajectory synthesis pipeline and a specialized agentic LLM trained for scientific ideation. Specifically, we first define a comprehensive tool space incorporating three external tools and three cognitive tools. Then we introduce an Oracle-Guided Data Synthesis strategy. By leveraging a reference idea as oracle guidance, this approach steers the multi-agent system to efficiently reconstruct the logical reasoning and tool invocation paths, transforming aimless trial-and-error into directed trajectory generation. Finally, we train the agent on these synthesized trajectories, employing a masking strategy on tool execution results. This ensures the model focuses on decision-making logic without interference from external feedback. Experimental results demonstrate that our method outperforms the SOTA workflow-based baseline by \textbf{11.91\%} in overall quality. Furthermore, our approach improves the sample efficiency of high-quality data synthesis by \textbf{over 10$\times$}.
- Abstract（参考訳）: 科学的な発見において、理想は重要な役割を担っている。
最近のLLM、特にAI Scientistシステムでは、自動化されたアイデアの可能性を秘めている。
しかし、既存のアプローチは主に事前に定義されたエージェントワークフローに依存している。
この制約は、科学文献の広大な探索空間と研究推論の複雑な行動空間をナビゲートするために必要な柔軟性を厳しく制限する。
最近、Agentic LLMsのトレーニングが有望な方向として現れ、柔軟な推論フレームワークと自律的なツール利用機能を提供している。
しかし、従来のエージェントデータ合成手法を科学的アイデアに適用することは、違法に高いデータ合成コストに悩まされる。
本稿では,このギャップを埋めるために,自動軌道合成パイプラインと,科学的思考のために訓練された特殊エージェントLSMからなる新しいフレームワークであるAgentic-Ideationを提案する。
具体的には、まず3つの外部ツールと3つの認知ツールを組み込んだ総合的なツール空間を定義する。
次に、Oracle主導のデータ合成戦略を紹介します。
本手法では, 参照概念をオラクル指導として活用することにより, 多エージェントシステムを利用して, 論理的推論とツール実行経路を効率的に再構築し, 目的のない試行錯誤を有向軌道生成に変換する。
最後に、これらの合成軌道上でエージェントを訓練し、ツールの実行結果にマスキング戦略を用いる。
これにより、モデルが外部からのフィードバックを干渉することなく意思決定ロジックにフォーカスすることを保証する。
実験結果から,本手法は全体の品質において,textbf{11.91\%} でSOTAワークフローベースのベースラインより優れていることが示された。
さらに,本手法は, 高品質なデータ合成のサンプル効率を, \textbf{over 10$\times$} で改善する。
関連論文リスト
- From Atomic Actions to Standard Operating Procedures: Iterative Tool Optimization for Self-Evolving LLM Agents [90.3279207163486]
EvoSOPは、エージェントが実行軌跡からSOPを抽出し、反復的にツールセットを最適化することを可能にするフレームワークである。
EvoSOPはタスク成功率を大幅に向上し,インタラクションラウンドの回数を大幅に削減することを示す。
論文 参考訳（メタデータ） (2026-07-08T12:09:49Z) - Assistance to Autonomy: A Systematic Literature Review of Agentic AI across the Software Development Life Cycle [4.241377338556251]
本研究は,ソフトウェア製品開発におけるエージェントシステムに関する現在の文献の包括的評価に寄与する。
また、高ボリュームSLRドメインのスクリーニングフェーズを自動化するためのAI支援ツールの形式での方法論的なコントリビューションも提供する。
論文 参考訳（メタデータ） (2026-05-14T10:46:51Z) - Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。
本稿では,再構築による理解という,新しいパラダイムを提案する。
マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-11T09:23:20Z) - Towards Agentic Intelligence for Materials Science [73.4576385477731]
この調査は、コーパスキュレーションからプレトレーニングから、シミュレーションと実験プラットフォームに面した目標条件付きエージェントまで、ユニークなパイプライン中心の視点を推し進める。
コミュニティをブリッジし、参照の共有フレームを確立するために、まず、AIと材料科学をまたいだ用語、評価、ワークフローの段階を整列する統合レンズを提示する。
論文 参考訳（メタデータ） (2026-01-29T23:48:43Z) - ASTRA: Automated Synthesis of agentic Trajectories and Reinforcement Arenas [13.919124676472022]
ASTRAは、ツール拡張言語モデルエージェントをトレーニングするためのエンドツーエンドフレームワークである。
ASTRAはスケーラブルなデータ合成と検証可能な強化学習を統合している。
複数のエージェントツール使用ベンチマークの実験は、ASTRA訓練されたモデルが最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2026-01-29T11:22:23Z) - Simple Agents Outperform Experts in Biomedical Imaging Workflow Optimization [69.36509281190662]
生産レベルのコンピュータビジョンツールを科学データセットに適応させることは、重要な"ラストマイル"ボトルネックである。
我々は、AIエージェントを使ってこの手動コーディングを自動化し、最適なエージェント設計のオープンな問題に焦点を当てる。
簡単なエージェントフレームワークが、人間-専門家のソリューションよりも優れた適応コードを生成することを実証する。
論文 参考訳（メタデータ） (2025-12-02T18:42:26Z) - Demystifying Reinforcement Learning in Agentic Reasoning [90.3737088727791]
エージェント推論における強化学習のデミスティフィケーションのための包括的かつ体系的な調査を行う。
i) 縫合された合成軌道を、実際のエンドツーエンドのツール・ツー・ユース・トラジェクトリに置き換えることで、より強力なSFTが得られる。
探索フレンドリーな技術は、高いクリップ、過剰な報酬形成、適切なポリシーエントロピーの維持といったエージェントRLにとって不可欠であり、訓練効率を向上させることができる。
論文 参考訳（メタデータ） (2025-10-13T17:57:15Z) - SFR-DeepResearch: Towards Effective Reinforcement Learning for Autonomously Reasoning Single Agents [93.26456498576181]
本稿では,ディープリサーチのためのネイティブ自律単エージェントモデルの開発に焦点をあてる。
我々の最良の変種であるSFR-DR-20Bは、HumanityのLast Examベンチマークで28.7%に達する。
論文 参考訳（メタデータ） (2025-09-08T02:07:09Z) - LARC: Towards Human-level Constrained Retrosynthesis Planning through an Agentic Framework [11.438071610913163]
LARC(LLM-based Agentic framework for Retro synthesis planning for Constraints)について述べる。
LARCは、Agent-as-a-Judgeを通じて、再合成計画プロセスに直接エージェント制約評価を組み込む。
LARCを3種類の制約型にまたがる48個の制約付き再合成計画課題に対して厳格に評価した。
論文 参考訳（メタデータ） (2025-08-16T01:05:26Z) - LaMDAgent: An Autonomous Framework for Post-Training Pipeline Optimization via LLM Agents [3.6117068575553595]
トレーニング後の完全なパイプラインを自律的に構築し、最適化するフレームワークであるLaMDAgentを紹介します。
LaMDAgentは、ツールの使用精度を9.0ポイント向上し、命令追従機能を保持する。
従来の人間主導の探査で見落とされがちな効果的なポストトレーニング戦略を明らかにする。
論文 参考訳（メタデータ） (2025-05-28T04:30:51Z) - Tool-Star: Empowering LLM-Brained Multi-Tool Reasoner via Reinforcement Learning [63.31585771716123]
大言語モデル(LLM)は、大規模強化学習(RL)を通じて顕著な推論能力を示した。
ステップワイズ推論中に複数の外部ツールを自律的に呼び出すLLベースのフレームワークであるTool-Starを紹介する。
Tool-Starは6種類のツールを統合し、データ合成とトレーニングの両方に体系的な設計を取り入れている。
論文 参考訳（メタデータ） (2025-05-22T09:00:19Z)
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。