論文の概要: Ideas Have Genomes: Benchmarking Scientific Lineage Reasoning and Lineage-Grounded Idea Generation

• arxiv url: http://arxiv.org/abs/2607.08758v1
• Date: Thu, 09 Jul 2026 17:55:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.61971
• Title: Ideas Have Genomes: Benchmarking Scientific Lineage Reasoning and Lineage-Grounded Idea Generation
• Title（参考訳）: アイデアにはゲノムがある: 科学的リニアス推論とリニアスを取り巻くアイデア生成のベンチマーク
• Authors: Yifan Zhou, Qihao Yang, Yan Li, Donggang Li, Xiru Hu, Hokin Deng, Ziyang Gong, Xuanyi Zhou, Huacan Wang, Xiangchao Yan, Wanghan Xu, Wenlong Zhang, Shaofeng Zhang, Yue Zhou, Yifan Yang, Zhihang Zhong, Xue Yang,
• Abstract要約: IdeaGene-Benchは、科学的な系統的推論と系統的根拠に基づくアイデア生成のためのベンチマークである。 ベンチマークには1,961個の黄金の系譜、1,085個のキュレーションされたIdean Genomeオブジェクト、920個のペアのGenomeDiffレコードが含まれている。 IG-Examテストは、Idean Genomeの抽象化、継承トレース、進化的推論、系統検証にまたがるクローズドフォームの系統推論である。 IG-Arenaは、系統条件付き集団進化スコア(PES)で世代を評価し、その提案が与えられた系統集団の一貫性のある子孫として挿入できるかどうかを問う。
• 参考スコア（独自算出の注目度）: 38.80605574237398
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scientific ideas rarely start from a blank page. They inherit mechanisms, repair known limitations, and recombine pieces of earlier work, much like biological genomes. Current benchmarks still say little about whether AI systems can follow this inheritance structure. We present IdeaGene-Bench (IG-Bench), a benchmark for scientific lineage reasoning and lineage-grounded idea generation. IG-Bench is organized around the IdeaGene framework: each paper or proposal is represented as a set of minimal, typed, evidence-grounded Idea Genome objects, and a GenomeDiff aligns these objects to record inheritance, mutation, loss, external import, and novel insertion under six operational evolutionary dynamics. The benchmark contains 1,961 golden lineage traces, 1,085 curated Idea Genome objects, and 920 pairwise GenomeDiff records across 10 scientific domains. It supports two evaluations. IG-Exam (42 task types, 1,029 instances) tests closed-form lineage reasoning across Idea Genome abstraction, inheritance tracing, evolutionary reasoning, and lineage verification. IG-Arena evaluates generation with a lineage-conditioned Population-Evolution Score(PES), asking whether a proposal can be inserted as a coherent descendant of a given lineage population: it should inherit the right Idea Genome objects, vary meaningfully from nearby work, and offer selection value for future research. Experiments on 14 LLM-based scientists expose a compositional bottleneck. The strongest system reaches only 27.3% exact accuracy on lineage reasoning, and structured lineage context reshuffles system rankings rather than helping every participant uniformly.
• Abstract（参考訳）: 科学的なアイデアは空白のページから始まることはめったにない。 彼らはメカニズムを継承し、既知の制限を修復し、生物ゲノムのように初期の作品を再結合する。 現在のベンチマークでは、AIシステムがこの継承構造に従うことができるかどうかはほとんど語られていない。 本稿では,IdeanGene-Bench(IG-Bench)について述べる。 IG-BenchはIdeanGeneフレームワークを中心に構成されており、各論文や提案は最小限の型付けされたエビデンス基底のIdean Genomeオブジェクトの集合として表現され、GenomeDiffはこれらのオブジェクトを6つの操作進化力学の下で継承、突然変異、損失、外部輸入、新規挿入を記録するように調整する。 このベンチマークには、1,961個の黄金の系統の痕跡、1,085個のキュレーションされたIdean Genomeオブジェクト、そして10の科学領域にわたる920個のペアのGenomeDiffレコードが含まれている。 評価は2つある。 IG-Exam (42のタスクタイプ、1,029のインスタンス) は、Idean Genomeの抽象化、継承トレース、進化的推論、系統検証にまたがるクローズドフォームの系統推論をテストする。 IG-Arenaは、系統条件付き集団進化スコア(PES)を用いて世代を評価し、その提案が与えられた系統集団のコヒーレントな子孫として挿入できるかどうかを問う。 LLMをベースとした14人の科学者による実験は、組成のボトルネックを露呈する。 最強のシステムでは、系統推論の精度は27.3%に過ぎず、構成された系統コンテキストは、全ての参加者を均一に支援するのではなく、システムランキングを再シャッフルする。

関連論文リスト

• EvoGens: A Population-Based Heuristic Search Framework for Scientific Idea Generation [7.417687065241744]
  EvoGensは、科学的アイデア生成を、多くのアイデアを進化的に探索するものとして再考している。 最先端のベースラインに比べて、探索能力を大幅に向上させる。
  論文  参考訳（メタデータ） (2026-05-29T07:56:31Z)
• GESR: A Genetic Programming-Based Symbolic Regression Method with Gene Editing [27.125242277304267]
  進化的アルゴリズムに基づく遺伝的プログラミング(GP)は、現在でも最も古典的で広く採用されている手法の1つである。 本稿ではGESRと呼ばれる遺伝子編集に基づく記号回帰手法を提案する。
  論文  参考訳（メタデータ） (2026-05-11T15:00:22Z)
• What Topological and Geometric Structure Do Biological Foundation Models Learn? Evidence from 141 Hypotheses [0.0]
  52回の反復で141の幾何学的および位相的仮説を提案し,検証し,洗練するAI駆動ブレインストーミングループを提案する。 遺伝子埋め込み近傍は非自明なトポロジーを示し、12層のうち11層に持続的ホモロジーが有意である。 scGPTとGeneformerのCCAアライメントは0.80の正準相関と72%の遺伝子検索精度をもたらすが、19の検査方法が確実に遺伝子レベルの対応を回復することはなかった。
  論文  参考訳（メタデータ） (2026-02-25T14:33:24Z)
• Milestones over Outcome: Unlocking Geometric Reasoning with Sub-Goal Verifiable Reward [67.00373428443879]
  サブゴールレベルの評価と学習へのパラダイムシフトを導入する。 まず,厳密な形式検証データエンジンを用いたベンチマークであるGeoGoalを構築した。 本研究では,スケルトンレートに基づいて,スパース信号を高密度な報酬に置き換えるサブゴール検証リワード(SGVR)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-08T16:17:56Z)
• The Heterophilic Snowflake Hypothesis: Training and Empowering GNNs for Heterophilic Graphs [59.03660013787925]
  ヘテロフィリー・スノーフレーク仮説を導入し、ヘテロ親和性グラフの研究をガイドし、促進するための効果的なソリューションを提供する。 観察の結果,我々のフレームワークは多種多様なタスクのための多目的演算子として機能することがわかった。 さまざまなGNNフレームワークに統合することができ、パフォーマンスを詳細に向上し、最適なネットワーク深さを選択するための説明可能なアプローチを提供する。
  論文  参考訳（メタデータ） (2024-06-18T12:16:00Z)
• VQDNA: Unleashing the Power of Vector Quantization for Multi-Species Genomic Sequence Modeling [60.91599380893732]
  VQDNAは、ゲノムボキャブラリ学習の観点からゲノムのトークン化を改良する汎用フレームワークである。 ベクトル量子化されたコードブックを学習可能な語彙として活用することにより、VQDNAはゲノムをパターン認識の埋め込みに適応的にトークン化することができる。
  論文  参考訳（メタデータ） (2024-05-13T20:15:03Z)
• Large Language Models for Automated Open-domain Scientific Hypotheses Discovery [50.40483334131271]
  本研究は,社会科学の学術的仮説発見のための最初のデータセットを提案する。 従来のデータセットとは異なり、新しいデータセットには、(1)オープンドメインデータ(RAW Webコーパス)を観察として使用すること、(2)人間性にさらに新しい仮説を提案することが必要である。 パフォーマンス向上のための3つのフィードバック機構を含む,タスクのためのマルチモジュールフレームワークが開発されている。
  論文  参考訳（メタデータ） (2023-09-06T05:19:41Z)
• Complexity-based speciation and genotype representation for neuroevolution [81.21462458089142]
  本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。 提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
  論文  参考訳（メタデータ） (2020-10-11T06:26:56Z)

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。