論文の概要: Do AI-Native Biotechs Need Departments? Benchmarking Company World Models for AI-Driven Drug Development

• arxiv url: http://arxiv.org/abs/2607.18696v1
• Date: Tue, 21 Jul 2026 04:34:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.308212
• Title: Do AI-Native Biotechs Need Departments? Benchmarking Company World Models for AI-Driven Drug Development
• Title（参考訳）: AI-Native Biotechsは部門を必要とするか?
• Abstract要約: AIネイティブなバイオテクノロジー企業は、ヒューマンバイオテクノロジーのorgチャートをエージェントロールにコピーすることでしばしば設計される。 永続的なアセット・ツー・バリューの状態表現として定義された企業世界モデルです。 我々は、AIエージェント組織が部門を模倣するか、またはそのような世界モデルで運用すべきかをテストするためのベンチマークを導入する。
• 参考スコア（独自算出の注目度）: 5.448055492807343
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI-native biotechnology companies are often designed by copying human biotech org charts into agent roles. We argue for a different abstraction: a Company World Model, defined as a persistent asset-to-value state representation with transition models, explicit value functions, planning, and updating across scientific, regulatory, BD, commercial, financial, and execution constraints. We introduce a dry-lab benchmark for testing whether AI-agent organizations should mimic departments or operate around such a world model. The benchmark contains 45 retrospective public-information decision cases with strict time cutoffs, hidden outcomes, common schemas, automatic scoring, and blinded pairwise judging. We compare human-org-mimic, stronger human-org-mimic-plus, AI-native asset-centric, and AI-native value-conversion architectures. The value-conversion architecture is a prompt-level approximation of a Company World Model: a Live Asset Value Record updated by Deal, Approval, Revenue, and Investment Arbiter loops. Under a success function defined by external BD, regulatory approval and launch, and revenue discipline, it achieved the highest automatic value-conversion score and was strongly preferred over the original baselines by value-specific blinded judges. Stress tests narrowed the claim: a stronger human baseline remained competitive, and a neutral judge did not show robust value-conversion dominance. Codex-only mechanistic ablations suggest that Revenue Room, Deal Room, and Approval Room carry useful work under the target objective. The central finding is objective-sensitive: departments may remain useful governance views, but the core AI-native operating primitive should be a shared, predictive asset-to-value state rather than a static human org chart. The study is dry-lab only and does not establish real-world drug success, clinical benefit, or revenue prediction accuracy.
• Abstract（参考訳）: AIネイティブなバイオテクノロジー企業は、ヒューマンバイオテクノロジーのorgチャートをエージェントロールにコピーすることでしばしば設計される。 企業世界モデルは、移行モデルによる永続的な資産対価値の状態表現として定義され、明示的な価値関数、計画、科学的、規制的、BD、商業的、財務的、実行的制約を越えて更新される。 我々は、AIエージェント組織が部門を模倣するか、またはそのような世界モデルで運用すべきかをテストするための乾式ベンチマークを導入する。 ベンチマークには、厳格なタイムカットオフ、隠れた結果、共通スキーマ、自動スコアリング、盲目なペアワイズ判定を備えた、45のレトロスペクティブの公開情報決定ケースが含まれている。 私たちは、人間-org-mimic、強い人間-org-mimic-plus、AI-nativeアセット中心、AI-native値変換アーキテクチャを比較します。 バリュー・コンバージョン・アーキテクチャ(英: value-conversion architecture)は、企業世界モデル(英: Company World Model: a Live Asset Value Record)の即時的な近似であり、Deal, Approval, revenue, Investment Arbiter loopsによって更新された。 外部BD、規制の承認と開始、収益の規律によって定義された成功関数の下では、それは最高の自動価値変換スコアを達成し、価値固有の盲目の裁判官によって元のベースラインよりも強く好まれた。 強い人間の基準線は競争力を持ち続け、中立な裁判官は強固な価値転換支配を示さなかった。 コーデックスのみの機械的改善は、収益室、ディール室、承認室が目標目標の下で有用な作業を行うことを示唆している。 部門は有用なガバナンスビューを維持するかもしれないが、中核となるAIネイティブな運用プリミティブは、静的な人間のorgチャートではなく、共有的で予測可能なアセット・ツー・バリュー状態であるべきである。 この研究はドライラブのみであり、現実の医薬品の成功、臨床効果、収益予測の正確性を確立していない。

関連論文リスト

• Dynamically Allocating Evaluation Effort for Model Ranking [60.00410111594536]
  相関アームを用いたマルチアームバンディット構成において,マルチモデル人体評価をベストアーム識別問題として定式化する。 トップパフォーマンスモデル間の差別を改善することを示します。 これにより、評価はより速く、より安価で、より大規模な競争評価目標に適合する。
  論文  参考訳（メタデータ） (2026-08-04T10:33:04Z)
• pAI-Econ-claude: A Gated Human-in-the-Loop Multi-Agent Architecture for AI-Assisted Economic Theory Development [15.442870614597451]
  pAI-Econ-claudeは、AI支援経済理論開発のための、有能なマルチエージェントアーキテクチャである。 エージェントは、検査可能な中間レコードの共有ワークスペースを介して調整する。 特殊なゲートは、ターゲットの障害モードを診断し、正当性を証明せずにループバックを推奨する。
  論文  参考訳（メタデータ） (2026-07-23T12:40:47Z)
• GigaWorld-1: A Roadmap to Build World Models for Robot Policy Evaluation [73.02743604295246]
  WMBenchは、実際のロボット遠隔操作データとポリシーのロールアウトから構築されたベンチマークである。 7つのビデオワールドモデル,4つのアクション表現スキーム,および実際のロボット実行と組み合わせた324,000以上のシミュレートされたポリシーロールアウトを分析した。 評価者の品質は、短期的な視覚的リアリズムよりも、長期的な、行動に忠実なロールアウト一貫性に支配されている。
  論文  参考訳（メタデータ） (2026-07-02T17:02:43Z)
• The Meta-Agent Challenge: Are Current Agents Capable of Autonomous Agent Development? [80.24951682268332]
  本稿では,自律エージェント開発のためのフロンティアモデルのキャパシティをテストするための評価フレームワークであるMeta-Agent Challenge(MAC)を紹介する。 評価の整合性を確保するため、このフレームワークは報奨ハッキングに対する多層防御によって確保される。 メタエージェントは人間工学的な基本方針とほとんど一致せず、その一部はプロプライエタリなフロンティアモデルに支配されている。
  論文  参考訳（メタデータ） (2026-06-03T04:58:17Z)
• SAGE: Scalable AI Governance & Evaluation [10.238041570564395]
  textbfSAGEは、スケーラブルな評価信号として高品質な製品判断を運用するフレームワークである。 SAGEはLinkedIn Searchエコシステム内にデプロイされ、モデルバリエーションの増大を計測し、エンゲージメントメトリクスに見えない回帰を検出する、ポリシの監視に使用された。
  論文  参考訳（メタデータ） (2026-02-08T06:42:50Z)
• Trustworthy Evaluation of Robotic Manipulation: A New Benchmark and AutoEval Methods [30.612032540735402]
  Eval-ActionsベンチマークとAutoEvalアーキテクチャを組み合わせたソリューションを提案する。 このデータセットは、Expert Grading(EG)、Rang-Guided preferences(RG)、Chain-of-Thought(CoT)の3つのコア監視信号を中心に構成されている。 AutoEval は EG プロトコルと RG プロトコルでそれぞれ 0.81 と 0.84 のSpearman's Rank correlation Coefficients (SRCC) を達成している。
  論文  参考訳（メタデータ） (2026-01-26T17:47:42Z)
• Towards Outcome-Oriented, Task-Agnostic Evaluation of AI Agents [1.0305173936249623]
  白書では、AIエージェントの成果に基づくタスク非依存のパフォーマンス指標11の新たなフレームワークを提案する。 本稿では、ゴール完了率(GCR)、自律度指数(AIx)、マルチステップタスクレジリエンス(MTR)、ビジネスインパクト効率(BIE)などの指標を紹介する。 この結果から, エージェント設計の相違が顕著であり, ハイブリットエージェントを一貫した高性能モデルとして強調した。
  論文  参考訳（メタデータ） (2025-11-11T13:40:46Z)
• General Scales Unlock AI Evaluation with Explanatory and Predictive Power [57.7995945974989]
  ベンチマークはAIの進歩を導くものだが、汎用AIシステムには限られた説明力と予測力を提供している。 私たちは、一般的なAIベンチマークが実際に何を計測しているかを説明することができる、AI評価のための一般的な尺度を紹介します。 私たちの完全に自動化された方法論は、飽和しない一般的なスケールにインスタンス要求を配置する18の新しく作られたルーリックの上に構築されます。
  論文  参考訳（メタデータ） (2025-03-09T01:13:56Z)
• More than Marketing? On the Information Value of AI Benchmarks for Practitioners [42.73526862595375]
  学術分野では、公開ベンチマークは一般的に研究の進展を捉えるのに適した指標と見なされた。 製品や政策において、ベンチマークは実質的な決定を下すのに不十分であることがしばしば見出された。 有効なベンチマークは、意味のある実世界の評価を提供し、ドメインの専門知識を取り入れ、スコープと目標の透明性を維持するべきであると結論付けています。
  論文  参考訳（メタデータ） (2024-12-07T03:35:39Z)
• Position: AI Evaluation Should Learn from How We Test Humans [65.36614996495983]
  人間の評価のための20世紀起源の理論である心理測定は、今日のAI評価における課題に対する強力な解決策になり得る、と我々は主張する。
  論文  参考訳（メタデータ） (2023-06-18T09:54:33Z)
• Heterogeneous Value Alignment Evaluation for Large Language Models [91.96728871418]
  大規模言語モデル(LLM)は、その価値を人間のものと整合させることを重要視している。 本研究では,LLMと不均一値の整合性を評価するため,不均一値アライメント評価(HVAE)システムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T02:34:20Z)
• When Demonstrations Meet Generative World Models: A Maximum Likelihood Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
  本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。 タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
  論文  参考訳（メタデータ） (2023-02-15T04:14:20Z)
• Centralizing State-Values in Dueling Networks for Multi-Robot Reinforcement Learning Mapless Navigation [87.85646257351212]
  本稿では,CTDE(Training and Decentralized Execution)パラダイムにおけるマルチロボットマップレスナビゲーションの問題点について考察する。 この問題は、各ロボットが観察を他のロボットと明示的に共有することなく、その経路を考えると困難である。 我々は,集中型状態値ネットワークを用いて共同状態値を計算するCTDEの新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-16T16:47:00Z)

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。