論文の概要: SciToolAgent-Evo: An Ontology-Aware Self-Evolving Agent for Open-World Scientific Tool Acquisition

• arxiv url: http://arxiv.org/abs/2607.28692v1
• Date: Thu, 30 Jul 2026 08:47:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.389457
• Title: SciToolAgent-Evo: An Ontology-Aware Self-Evolving Agent for Open-World Scientific Tool Acquisition
• Title（参考訳）: SciToolAgent-Evo:オープンワールド科学ツール獲得のためのオントロジーを意識した自己進化エージェント
• Abstract要約: SciToolAgent-Evoは,オープンワールドの科学ツール獲得のためのオントロジーを意識した自己進化エージェントである。 スキル、経験、およびオンロジ化されたツールグラフの進化した記憶によって駆動され、蓄積中の対照的な軌跡から一般化可能な知識を抽出する。 新たなツールが取得されると、その科学的知識はオンラインで完了し、既知のグラフにシームレスに統合される。
• 参考スコア（独自算出の注目度）: 53.36281538053445
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language model (LLM) agents have been increasingly adopted in scientific research for organizing and invoking specialized computational tools. However, their reliance on predefined tool spaces with static semantics limits their applicability to open-world scientific workflows, where tool requirements, capabilities, and boundaries evolve dynamically. To this end, we propose SciToolAgent-Evo, an ontology-aware self-evolving agent for open-world scientific tool acquisition. Driven by an evolving memory of skills, experiences, and an ontologized tool graph, it distills generalizable knowledge from contrastive trajectories during accumulation, whereas during inference, it formulates active requests and utilizes a LinUCB-based bandit gate to dynamically balance exploration and exploitation. Once a novel tool is acquired, its scientific ontology is completed online for seamless integration into the known graph. Moreover, we introduce OpenSciToolBench, a benchmark containing 900 realistic tasks across four difficulty levels. Extensive evaluations show that SciToolAgent-Evo achieves state-of-the-art performance, validating its robustness and generalization.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントは、専門的な計算ツールの編成と起動のために科学研究にますます採用されている。 しかし、静的セマンティクスを備えた事前定義されたツールスペースへの依存は、ツール要件、機能、バウンダリが動的に進化する、オープンワールドな科学ワークフローへの適用性を制限している。 この目的のために,オープンワールド科学ツール獲得のためのオントロジーを意識した自己進化エージェントであるSciToolAgent-Evoを提案する。 スキル、経験、およびオンロジ化されたツールグラフの進化によって駆動され、蓄積中の対照的な軌跡から一般化可能な知識を抽出する一方、推論中はアクティブな要求を定式化し、LinUCBベースのバンディットゲートを使用して探索と利用の動的バランスをとる。 新たなツールが取得されると、その科学的オントロジーはオンラインで完了し、既知のグラフにシームレスに統合される。 さらに,4つの困難レベルにわたる900の現実的なタスクを含むベンチマークであるOpenSciToolBenchを紹介する。 SciToolAgent-Evoは最先端のパフォーマンスを達成し、その堅牢性と一般化を検証している。

関連論文リスト

• SING: Synthetic Intention Graph for Scalable Active Tool Discovery in LLM Agents [64.59100414726556]
  大規模言語モデル(LLM)エージェントは、コンテキスト、ツール、マルチターン実行を管理するハーネスに依存している。 Retrieval-augmented Tool selectionは、自然な代替手段を提供するが、既存のワンショット検索方法は、独立したツール記述とエージェントの真のタスク意図との整合に失敗する。 我々は、ユーザ意図、ツール機能、ツールコラボレーションパターンをリンクするインテントツーオールグラフを構築する、意図認識型のアクティブツール発見フレームワークであるSINGを提案する。
  論文  参考訳（メタデータ） (2026-06-15T11:37:37Z)
• ToolOmni: Enabling Open-World Tool Use via Agentic learning with Proactive Retrieval and Grounded Execution [49.30293260493709]
  大きな言語モデル(LLM)は、外部ツールを利用することで問題解決能力を高める。 静的埋め込み検索やパラメータ記憶に頼っている既存の手法は、ユーザの意図をツールのセマンティクスに合わせるのに苦労している。 提案するツールOmniは,プロアクティブ検索とグラウンドド実行により,オープンワールドツール利用のためのLLMを実現する統合エージェントフレームワークである。
  論文  参考訳（メタデータ） (2026-04-15T12:26:10Z)
• Tool-Genesis: A Task-Driven Tool Creation Benchmark for Self-Evolving Language Agent [45.450766613995135]
  Tool-Genesisは、複数の次元にわたるエージェント能力の定量化のために設計された診断ベンチマークである。 最先端モデルでさえ、ワンショット設定で正確なツールインターフェースや実行可能なロジックを生成するのに苦労しています。
  論文  参考訳（メタデータ） (2026-03-05T17:44:29Z)
• SciAgentGym: Benchmarking Multi-Step Scientific Tool-use in LLM Agents [100.12367115920121]
  SciGymAgentは4つの自然科学分野にまたがる1,780のドメイン固有ツールを備えたスケーラブルなインタラクティブ環境である。 SciAgentBenchについても紹介する。
  論文  参考訳（メタデータ） (2026-02-13T14:58:18Z)
• 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)
• Beyond Static Tools: Test-Time Tool Evolution for Scientific Reasoning [28.61961520286559]
  テスト時間ツール進化(TTE)は、エージェントが推論中に実行可能なツールを合成、検証、進化させることができる新しいパラダイムである。 ツールを固定リソースから問題駆動のアーティファクトに変換することで、TTEは静的ツールライブラリの剛性と長い制限を克服する。
  論文  参考訳（メタデータ） (2026-01-12T15:22:51Z)
• CASCADE: Cumulative Agentic Skill Creation through Autonomous Development and Evolution [7.266404572341558]
  大規模言語モデル(LLM)エージェントは現在、事前に定義されたツールや脆いツール生成に依存している。 これは、"LLM + tool use"から"LLM + skill acquisition"への移行の早期インスタンス化を表すセルフ進化型エージェントフレームワークである。
  論文  参考訳（メタデータ） (2025-12-29T21:50:23Z)
• An Agentic Framework for Autonomous Materials Computation [70.24472585135929]
  大規模言語モデル(LLM)は、科学的発見を加速するための強力なツールとして登場した。 近年の進歩はLLMをエージェントフレームワークに統合し、複雑な科学実験のための検索、推論、ツールの使用を可能にしている。 本稿では,第一原理計算の信頼性向上を目的としたドメイン特化エージェントを提案する。
  論文  参考訳（メタデータ） (2025-12-22T15:03:57Z)
• SciToolAgent: A Knowledge Graph-Driven Scientific Agent for Multi-Tool Integration [39.43814195462455]
  SciToolAgentは生物学、化学、材料科学にまたがる何百もの科学ツールを自動化する。 エージェントはまた、責任と倫理的ツールの使用を保証するために、包括的な安全チェックモジュールも組み込んでいる。
  論文  参考訳（メタデータ） (2025-07-27T13:55:35Z)

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。