論文の概要: BrainPilot: Automating Brain Discovery with Agentic Research
- arxiv url: http://arxiv.org/abs/2607.15079v1
- Date: Thu, 16 Jul 2026 14:49:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:33.142424
- Title: BrainPilot: Automating Brain Discovery with Agentic Research
- Title（参考訳）: BrainPilot: エージェントリサーチによる脳発見の自動化
- Abstract要約: textbfBrainPilotは、トレース可能なログとエージェント検証結果を用いて、脳科学研究を加速するオープンソースのマルチエージェントシステムである。
プリンシパル・リサーチ・エージェント(PI)は、キュレートされたドメイン知識に根ざした専門家をコーディネートする。
主要なステップはすべて、サブゴール、ツールの使用、エビデンス、クレームをリンクする監査可能なレコードであるGraph of Traceに記録されている。
- 参考スコア（独自算出の注目度）: 27.57098883420861
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding the brain increasingly depends on integrating evidence across scales, modalities, and disciplines. Addressing a single research question therefore requires a coordinated sequence of operations, from surveying prior work to executing analyses and interpreting results in light of domain knowledge. AI agents promise to accelerate this process, but current agents lack domain expertise in brain science, may fabricate claims, drift during multi-step reasoning, and offer few defined points for expert intervention. These failures are especially costly in brain science, where conclusions feed into downstream scientific claims and depend on laboratory-specific expertise and careful human judgment. We present \textbf{BrainPilot} a \textbf{fully open-source} multi-agent system that accelerates brain science research with traceable logs and agent-verified results. A principal investigator (PI) agent coordinates specialist agents grounded in curated domain knowledge: a unified brain science knowledge base containing 7{,}233 indexed items and a skill library of 72 reusable methodology units across seven research domains. Every major step is recorded in the Graph of Trace, an auditable record that links subgoals, tool use, evidence, and claims and allows researchers to follow and inspect the workflow. An Auditor agent further integrates fabrication checking into the workflow. For evaluation, we run three brain science tasks from Agents' Last Exam, introduce our own benchmark, \textbf{BrainPilotBench-v0}, and present additional end-to-end case studies. Across these evaluations, BrainPilot with an open-source backbone model attains performance comparable to state-of-the-art agent framework with less costs.
- Abstract（参考訳）: 脳を理解することは、スケール、モダリティ、規律にまたがるエビデンスを統合することにますます依存している。
したがって、単一の研究課題に対処するには、事前の作業の調査から分析の実行、結果のドメイン知識の観点からの解釈に至るまで、協調した一連の操作が必要である。
AIエージェントはこのプロセスを加速することを約束するが、現在のエージェントは脳科学の専門知識を欠いている。
これらの失敗は、特に脳科学においてコストがかかり、結論は下流の科学的主張に影響を及ぼし、実験室特有の専門知識と慎重な人間の判断に依存する。
本稿では、トレース可能なログとエージェント検証結果を用いて、脳科学研究を加速する、textbf{BrainPilot} a \textbf{fully open-source} multi-agentシステムを提案する。
プリンシパル調査員(PI)は、7{,}233項目を含む統合脳科学知識ベースと、7つの研究領域にまたがる72の再利用可能な方法論ユニットのスキルライブラリーを含む、キュレートされたドメイン知識に根ざした専門家を調整する。
主要なステップはすべて、サブゴール、ツール使用、エビデンス、クレームをリンクする監査可能なレコードであるGraph of Traceに記録されている。
Auditorエージェントはワークフローにファブリケーションチェックをさらに統合する。
評価のために、エージェントのLast Examから3つの脳科学タスクを実行し、独自のベンチマーク、 \textbf{BrainPilotBench-v0}、追加のエンドツーエンドケーススタディを紹介します。
これらの評価全体を通じて、オープンソースのバックボーンモデルを備えたBrainPilotは、コストの少ない最先端のエージェントフレームワークに匹敵するパフォーマンスを実現する。
関連論文リスト
- Bringing analytic rigor to agentic AI for science: The Brain Researcher platform for neuroimaging data analysis [59.44063760362954]
本稿では、神経イメージング研究者の計算環境で動作するエージェントリサーチハーネスであるBrain Researcherを紹介する。
ベンチマークでは、Brain Researcherは7つのモデルで第1選択ツールの選択精度を70.2ポイント向上させた。
共同研究と自己進化研究において、多元的分析によって分析選択感度が明らかにされ、科学的レビューでは、承認された、認定された、修正された、ブロックされた、拒否された、または延期された。
論文 参考訳（メタデータ） (2026-08-20T11:13:27Z) - SeekBrain: An Autonomous Multi-Agent System for Accelerating Neuroscience Discovery [70.26731349963639]
SeekBrainは、ドメイン基底の階層的計画とクロスモーダルデータ分析を通じて神経科学の発見を加速するように設計されたフレームワークである。
この体系化された専門知識とエージェント計画と実行エンジンを結合することにより、このフレームワークは需要に応じて仮説と分析パイプラインを確実に生成する。
これらの結果は、SeekBrainを、神経科学におけるデータ駆動的な発見を加速するためのスケーラブルで実用的なツールとして確立している。
論文 参考訳（メタデータ） (2026-07-31T12:30:12Z) - Benchmarking AI Agents for Addressing Scientific Challenges Across Scales [118.2204632627895]
SciAgentArenaは、現実世界の科学研究シナリオでAIエージェントを評価するための体系的なベンチマークである。
ステップワイズ検証を備えた約200のタスクと、多様なAIエージェントを評価するためのインタラクティブでエージェントに依存しない環境で構成される。
タスク構造や評価基準が明確である場合, 現状のエージェントはデータ分析に効果的に貢献できることがわかった。
論文 参考訳（メタデータ） (2026-06-10T22:55:30Z) - SciResearcher: Scaling Deep Research Agents for Frontier Scientific Reasoning [54.194672921128785]
我々は、フロンティア科学データ構築のための完全に自動化されたエージェントフレームワークであるSciResearcherを紹介する。
SciResearcherは、学術的証拠に基づく様々な概念的および計算的なタスクを合成する。
我々は,HLE-Bio/Chem-Goldベンチマークで19.46%を達成できるエージェント基盤モデルであるSciResearcher-8Bを開発した。
論文 参考訳（メタデータ） (2026-05-02T15:26:45Z) - The Last Human-Written Paper: Agent-Native Research Artifacts [106.47848184955576]
本稿では,物語紙を機械処理可能な研究パッケージに置き換えるプロトコルであるAgent-Native Research Artifact(ARA)を紹介する。
通常の開発において決定と終了をキャプチャするLive Research Manager、レガシPDFとリポジトリをARAに変換するARAコンパイラ、人間レビュアーが重要性、ノベルティ、味にフォーカスできるように客観的チェックを自動化するARAネイティブレビューシステムである。
論文 参考訳（メタデータ） (2026-04-27T16:23:09Z) - Learning to Retrieve from Agent Trajectories [72.8923565916533]
我々はエージェント間相互作用データから直接エージェント探索のための検索モデルを訓練すべきであると主張している。
エージェント・トラジェクトリからの学習を新たな訓練パラダイムとして導入し,マルチステップエージェントのインタラクションから指導を導出する。
本研究は,エージェント探索時代における検索の方向性を示すとともに,エージェントトラジェクトリを実用的でスケーラブルな監視源として強調するものである。
論文 参考訳（メタデータ） (2026-03-30T17:59:02Z) - ReplicationBench: Can AI Agents Replicate Astrophysics Research Papers? [29.17900668495058]
本稿では、フロンティアAIエージェントの評価フレームワークであるReplicationBenchを紹介する。
天体物理学の文献から得られた研究論文全体を、エージェントが複製できるかどうかを検査する。
R ReplicationBenchは、論文スケールで専門家が検証した天体物理学の研究タスクの最初のベンチマークを確立している。
論文 参考訳（メタデータ） (2025-10-28T16:21:19Z) - AstaBench: Rigorous Benchmarking of AI Agents with a Scientific Research Suite [75.58737079136942]
本稿では,AstaBenchについて紹介する。AstaBenchは,科学的研究を行うためのエージェント能力の総合的な測定を行うスイートである。
私たちのスイートには、プロダクショングレードの検索ツールを備えた、最初の科学研究環境が付属しています。
22のエージェントクラスで57のエージェントを評価したところ,いくつかの興味深い結果が得られた。
論文 参考訳（メタデータ） (2025-10-24T17:10:26Z) - DrugPilot: LLM-based Parameterized Reasoning Agent for Drug Discovery [54.79763887844838]
大規模言語モデル(LLM)と自律エージェントの統合は、自動推論とタスク実行を通じて科学的発見を促進する大きな可能性を秘めている。
本稿では,薬物発見におけるエンドツーエンド科学のために設計されたパラメータ化推論アーキテクチャを備えたLSMベースのエージェントシステムであるDrarmPilotを紹介する。
DrugPilot は ReAct や LoT のような最先端のエージェントよりも優れており、タスク完了率は98.0%、93.5%、64.0%である。
論文 参考訳（メタデータ） (2025-05-20T05:18:15Z) - BLADE: Benchmarking Language Model Agents for Data-Driven Science [21.682416167339635]
プランニング、メモリ、コード実行機能を備えたLMベースのエージェントは、データ駆動科学をサポートする可能性がある。
本稿では,エージェントの多面的アプローチを自動的に評価するベンチマークBLADEについて述べる。
論文 参考訳（メタデータ） (2024-08-19T02:59:35Z)
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。