論文の概要: The Age of AI Agents Demands A New Scientific Paradigm To Sustain Trustworthy Science

• arxiv url: http://arxiv.org/abs/2607.26064v1
• Date: Thu, 18 Jun 2026 20:38:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:39.093257
• Title: The Age of AI Agents Demands A New Scientific Paradigm To Sustain Trustworthy Science
• Title（参考訳）: AIエージェントの時代は、信頼できる科学を維持するための新しい科学パラダイムを要求する
• Abstract要約: 科学は、これまでピアレビューで行ったように、検証インフラストラクチャを進化させなければならない、と我々は主張する。 本稿では,可観測性検証,スケーラブルな結果,明確な帰属性を重視した適応型検証インフラの基準を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI systems are becoming autonomous research agents that generate hypotheses, design experiments, and produce discoveries at scales beyond human oversight. As seen by increased submissions to ML venues, the verification gap between scientific output and our ability to check it is already widening, and autonomous agents make it worse by magnitudes given human-agent asymmetry. We argue that science must evolve its verification infrastructure, as it has before with peer review. However, while historical adaptations assumed human contributors who could be questioned and sanctioned, AI agents break this assumption. We propose criteria for an adapted verification infrastructure that emphasizes observable-by-default workflows, scalable verification, and clear attribution. We argue that without adaptation, ML and any scientific domain using agents face dangerous failures: experimental results that no person can verify, optimization for metrics over understanding, and accountability vacuums that erode scientific trust.
• Abstract（参考訳）: AIシステムは、仮説を作成し、実験を設計し、人間の監視を超えた規模で発見を生成する自律的な研究エージェントになりつつある。 MLの会場への投稿が増えているように、科学的なアウトプットとそれをチェックする能力の差はすでに拡大しており、自律的なエージェントは人間とエージェントの非対称性によってそれを悪化させています。 科学は、これまでピアレビューで行ったように、検証インフラストラクチャを進化させなければならない、と我々は主張する。 しかし、歴史的適応では、質問され、承認された人間の貢献者を仮定する一方で、AIエージェントは、この仮定を破る。 本稿では,監視可能なワークフロー,スケーラブルな検証,明確な帰属性を重視した,適応型検証インフラストラクチャの基準を提案する。 適応なしでは、MLとエージェントを使用する科学ドメインは危険な障害に直面している、と我々は主張する。

関連論文リスト

• EvoSCM: Scientific Belief Revision Through Causal Model Evolution and Experimentation [68.80901568810616]
  EvoSCMは、新しい証拠が収集されるにつれて進化する明確な構造因果モデルを持つ科学エージェントを装備することを目的としている。 EvoSCM onPhysicsはエージェントが実験を通して非標準物理世界の隠れたダイナミクスを明らかにするのに必要なベンチマークである。
  論文  参考訳（メタデータ） (2026-09-01T16:55:56Z)
• Are We Ready for AI-Driven Discovery? AI Verification Before the Next Fundamental Physics Breakthrough [0.0]
  レビューは、粒子物理学、天体物理学、宇宙論にまたがる厳密なMLアセスメントのためのVERaiPHYイニシアチブのフレームワークを合成する。 帰納的バイアスは避けられず、サンプルの複雑さは学習を制限し、実験的な制約は発見を制限する。
  論文  参考訳（メタデータ） (2026-07-10T23:45:28Z)
• Toward Auditable AI Scientists: A Hypothesis Evolution Protocol for LLM Agents [0.42970700836450476]
  大規模言語モデル(LLM)エージェントは、AIによる科学的発見において、ますます中心的な役割を果たすことが期待されている。 本稿では、仮説生成、評価、進化を明示的で監査可能な操作として提供するエージェントハーネスである仮説進化プロトコル(HEP)を提案する。 材料科学研究タスクにおいて、HEPを組み込んだエージェントは、計画的なエージェントが欠如している仮説-テスト-エビデンス-ビリーフサイクルを運用し、研究課題を一般化し、基礎LLMがより有能になるにつれてプロトコルをより完全に活用する。
  論文  参考訳（メタデータ） (2026-07-10T08:39:30Z)
• One Reflection Is Not Enough: Self-Correcting Autonomous Research via Multi-Hypothesis Failure Attribution [85.65263343588026]
  我々は,自己修正型,自律型,接地型実験機であるSAGEを提案する。 その中核的なメカニズムであるMHFA(Multi-Hypothesis Failure Attribution)は、回復を構造的因果診断として扱う。 12のトピック、5ドメインのベンチマークでは、SAGEは基準リフレクションでメトリクスを含むアウトプットを42%から92%に増やしている。
  論文  参考訳（メタデータ） (2026-06-30T10:54:16Z)
• Towards Automating Scientific Review with Google's Paper Assistant Tool [43.64244794415017]
  Paper Assistant Tool (PAT)は、ディープ・サイエンス・レビューと検証のために開発されたエージェントAIフレームワークである。 2つの主要なコンピュータサイエンスカンファレンスの著者のための事前提出ツールとしてのPATのパイロット展開は、重大なエラーを識別する能力を示している。 PATは、レビュープロセスの結果をコントロールしながら、レフェリーに置かれる認知的負担を軽減する。
  論文  参考訳（メタデータ） (2026-06-26T17:19:17Z)
• AI Scientists as Engines of Discovery: A Case for Development within Reformed Institutions [0.10102237605686408]
  エージェント人工知能(AI)システムは、科学的な発見を支援し、加速し、部分的に自動化し始めている。 我々は、適切に設計されたマルチエージェントシステムは、受動的計算ツールからAI科学者へと進化するかもしれないと論じる。 このようなシステムは、目的に適した科学的エコシステム内で開発され、展開されなければならない。
  論文  参考訳（メタデータ） (2026-06-22T05:06:29Z)
• 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)
• When AI reviews science: Can we trust the referee? [73.47745294608072]
  私たちは、トレーニングとデータ検索、デスクレビュー、深いレビュー、反論、システムレベルといった、レビューライフサイクル全体のアタックをマップします。 評価スコアに高名度フレーミング, 断定力, 反抗薬効, 文脈中毒の因果効果を分離するために, 2つの高度なLCMベースの審判を用いた。
  論文  参考訳（メタデータ） (2026-04-26T08:03:32Z)
• The Need for Verification in AI-Driven Scientific Discovery [9.887965168376311]
  機械学習と大規模言語モデルは、従来の手法をはるかに超えたスケールと速度で仮説を生成することができる。 検証のためのスケーラブルで信頼性の高いメカニズムがなければ、科学的進歩のリスクは先進的ではなく妨げられる、と我々は主張する。
  論文  参考訳（メタデータ） (2025-09-01T11:50:04Z)
• Can Language Models Discover Scaling Laws? [57.794209392781845]
  本稿では,拡張法則モデルとパラメータを協調的に最適化し,変数間の複雑な関係を自律的に探索する進化型エージェントSLDAgentを紹介する。 SLDAgentが、確立された人間由来の法則よりも、一貫して正確な外挿を示す法則を自動的に発見できることを、初めて実証した。
  論文  参考訳（メタデータ） (2025-07-27T05:45:26Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• Interactive Visual Reasoning under Uncertainty [29.596555383319814]
  我々は,不確実性下での人工エージェントの推論能力を評価するためのIVRE環境を考案した。 IVREは、Blicket検出を中心にしたリッチなシナリオを特徴とする対話型環境である。
  論文  参考訳（メタデータ） (2022-06-18T13:32:41Z)

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。