論文の概要: Autonomous Research Agents: A Survey of AI Scientists and the Verification Gap

• arxiv url: http://arxiv.org/abs/2608.05179v1
• Date: Mon, 29 Jun 2026 01:32:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.158999
• Title: Autonomous Research Agents: A Survey of AI Scientists and the Verification Gap
• Title（参考訳）: 自律的な研究エージェント: AI科学者と検証ギャップの調査
• Abstract要約: 大規模言語モデル(LLM)エージェントは、科学研究のライフサイクル全体にわたってますます利用されている。 エンドツーエンドのAI科学者システムは、紙のような原稿を作れるようになったが、彼らの主張は、コードを実行するよりも検証が難しいことが多い。 この調査は、コード、ベンチマーク、実験、書き込みが最も目に見える計算AI/ML研究のギャップについて調査する。
• 参考スコア（独自算出の注目度）: 14.13381700671035
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language model (LLM) agents are increasingly used across the scientific research lifecycle: ideation, literature search, experiment design and execution, analysis, manuscript drafting, and review. End-to-end AI scientist systems can now produce paper-like manuscripts, but their claims are often harder to verify than their code is to run. This survey studies that gap in computational AI/ML research, where code, benchmarks, experiments, and write-ups are most visible. We screen 125 candidate works and include 35, with full-text coding of 26 entries: 24 runnable systems and two study or position papers. We code seven audit dimensions: lifecycle stage, autonomy level, evaluation method, released artifacts, human-in-the-loop points, novelty verification, and result-selection disclosure. The main pattern is that code release is now common, but reproducibility-grade and claim-verification artifacts remain much less common. In the 24 runnable systems, 83 percent release code, while 38 percent release seeds or execution traces and 38 percent report any novelty-verification method. Among nine closed-loop L4 systems, seven are mechanical reruns and one is author-claimed without an external check; no LLM-era system in the corpus demonstrates an externally validated in-loop oracle under our coding rule. We contribute a coded corpus, a lifecycle-by-autonomy map, an auditability-gap analysis, and a reviewer-facing reporting checklist. The survey argues that the field's central bottleneck is no longer only whether agents can complete research tasks, but whether reviewers can verify the claims those agents produce.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントは、アイデア、文献検索、実験設計と実行、分析、原稿の起草、レビューといった科学研究のライフサイクル全体にわたって、ますます使われている。 エンドツーエンドのAI科学者システムは、紙のような原稿を作れるようになったが、彼らの主張は、コードを実行するよりも検証が難しいことが多い。 この調査は、コード、ベンチマーク、実験、書き込みが最も目に見える計算AI/ML研究のギャップについて調査する。 125の候補作品と35の完全テキストコード、26のエントリ:24のランナブルシステムと2つの研究またはポジションペーパー。 ライフサイクルステージ、自律レベル、評価方法、リリースアーティファクト、ヒューマンインザループポイント、新規性検証、結果選択開示の7つの監査次元をコーディングする。 主なパターンは、コードリリースが一般的になったことだが、再現性グレードとクレーム検証アーティファクトは依然としてあまり一般的ではない。 24の実行可能なシステムでは、リリースコードの83%がリリースコードであり、38%がシードまたは実行トレースを、38%が新しい検証方法を報告している。 9つの閉ループL4システムのうち、7つは機械的再実行であり、1つは外部チェックなしで著者に評価されている。 我々は、コード化されたコーパス、ライフサイクル・バイ・オートノミー・マップ、監査可能性・ギャップ分析、レビュアー対応レポートチェックリストをコントリビュートする。 調査では、この分野の中心的なボトルネックは、エージェントが研究タスクを完了できるかどうかだけでなく、レビュー担当者がこれらのエージェントが生み出すクレームを検証できるかどうかであると主張している。

関連論文リスト

• PaperDoctor: Evidence-Grounded and Actionable Feedback for Scientific Papers in Progress [130.58520199343707]
  PaperDoctorは,3つの重要なイノベーションを備えた,サブミッション前のフィードバックのためのエージェントフレームワークである。 まず、全体論的階層的なフレームワークは、書き込み、レイアウト、参照、コード、理論、先行作業、実験を評価します。 第二に、各発見には、観察、文、方程式、コードラインなどの特定の証拠へのポインタ、修正提案が含まれる。 第3に、PaperDoctorはクレームの重要性と計算予算に基づいて実験を選択的に再構築し、再実行する。
  論文  参考訳（メタデータ） (2026-09-15T11:08:11Z)
• Checkpoints Are Not Enough: Trust Calibration in CoSLR, a Human-AI System for Systematic Literature Reviews [2.4681955159016975]
  大規模な言語モデルは、流動的でよく構造化されたレビューテキストを生成することができる。 これにより、証明されていないAI生成合成が、体系的なレビューの信頼性を持つ学術記録に入るリスクが高まる。 我々は、体系的な文献レビューワークフローをサポートする人間-AI協調型マルチエージェントシステムであるCo SLRを提案する。
  論文  参考訳（メタデータ） (2026-09-05T20:11:23Z)
• Deep Academic Survey: Stateful Agentic Closed-Loop Paradigm for Academic Survey Automation [60.151050016855834]
  DASは出版指向の学術調査を作成するためのステートフルなエージェント・フレームワークである。 その鍵となる考え方は、再利用可能な紙分析とトピック固有の原稿構築を分離することである。 DASは4つの次元で最高点に達し、総合スコアは4.34であり、最強の競争相手は4.03である。
  論文  参考訳（メタデータ） (2026-08-18T17:29:00Z)
• OmniScientist: An Omni-Modal Omni-Discipline AI Scientist [39.38448883079899]
  私たちはOmniScientistを紹介します。OmniScientistはエンド・ツー・エンド、オムニ・モーダルなAI科学者で、生の証拠から直接研究を行います。 認識層と、アイデア、実験、書き込みのための3つの自律エージェントは、決定論的パイプライン内で動作する。 我々はOmniScientistを5つの専門科、科学的証拠の4つの科、画像、信号、音声、ビデオ、三次元構造、軌道、表、公式、グラフを含む36の実データケースで評価した。
  論文  参考訳（メタデータ） (2026-08-13T17:59:52Z)
• FARS: A Fully Automated Research System Deployed at Scale [19.413175066072302]
  完全自動化AI研究システムであるFARS(Fully Automated Research System)について述べる。 FARSは、アイデア、計画、実験、執筆を通じて、自律的にプロジェクトを生成し、推進する。 FARSの最初の公開デプロイメントでは、67のきめ細かいAI/MLトピックにまたがる166の完全な研究論文が作成された。
  論文  参考訳（メタデータ） (2026-06-30T13:30:24Z)
• ScientistOne: Towards Human-Level Autonomous Research via Chain-of-Evidence [57.37494162084001]
  チェーン・オブ・エビデンス(Chain-of-Evidence, CoE)は、すべてのクレームがエビデンス・ソースにトレース可能であることを要求する検証可能なフレームワークである。 CoE Auditはポストホック監査であり、スコア検証、仕様違反、参照検証、メソッドコードアライメントという4つの整合性チェックが全システムに均一に適用される。
  論文  参考訳（メタデータ） (2026-05-25T21:30:27Z)
• AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
  研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。 我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。 障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
  論文  参考訳（メタデータ） (2026-05-18T17:08:26Z)
• 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)

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。