論文の概要: An AI Scientist that Doesn't Drift: Taste, Structure, and Falsifiable Findings in a Quadruped Navigation Research Loop
- arxiv url: http://arxiv.org/abs/2608.07542v1
- Date: Thu, 30 Jul 2026 21:07:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 01:32:04.559911
- Title: An AI Scientist that Doesn't Drift: Taste, Structure, and Falsifiable Findings in a Quadruped Navigation Research Loop
- Title（参考訳）: ドリフトしないAI科学者:四角いナビゲーション研究ループの味覚、構造、そして偽りの発見
- Abstract要約: 本稿では,シミュレーションにおける四脚ロボットナビゲーションポリシーの一般化について研究するAIサイエンティストについて紹介する。
ループには3つのコンポーネントが追加されています。イミュータブルな実験カードで、各イテレーションの予測と結果とを、固定スキーマの下でペアリングします。
オラクルを分離するためには同じループを、カンブなしで11の研究ストリームで2回実行します。
- 参考スコア（独自算出の注目度）: 3.803070970930801
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous research loops driven by large language models can run machine-learning experiments at scale but tend to drift toward local refinements of whichever metric they optimise rather than testing the hypotheses that motivate the experiments. We address this structurally and present an AI Scientist for studying generalisation in quadruped robot navigation policies in simulation. Building on the autoresearch paradigm of Karpathy, our loop adds three components: an immutable experiment card that pairs each iteration's prediction with its outcome under a fixed schema, so a falsified hypothesis cannot be retconned; specialised subagents restricted to mechanical roles; and kkanbu, a preference oracle that holds the user's research taste as a typed knowledge graph and is the only component permitted to make subjective judgements. To isolate the oracle we run the identical loop twice across eleven research streams, with and without kkanbu. Neither arm drifts: both falsify roughly three quarters of their own hypotheses, and the best trained policy comes from the oracle-less arm. What the oracle changes is direction, not score: it alone explores test-time adaptation, it authored the winning designs where its arm led, and it carried lessons across streams that the other arm repeatedly re-derived. The scaffold keeps the loop honest; kkanbu decides where it looks.
- Abstract（参考訳）: 大きな言語モデルによって駆動される自律的な研究ループは、大規模な機械学習実験を実行できるが、実験を動機付ける仮説をテストするよりも、どの指標を最適化するかを局所的に改善する傾向にある。
我々はこれを構造的に解決し、シミュレーションにおける四足ロボットナビゲーションポリシーの一般化を研究するためのAIサイエンティストを提示する。
カロパシーの自己検索パラダイムに基づいて、我々のループには3つのコンポーネントがある: 反復の予測と結果とを固定されたスキーマでペアリングする不変な実験カード、ファルシフィケーション仮説を再構成できない、機械的役割に限定された特別なサブエージェント、そして、ユーザの研究の嗜好をタイプドナレッジグラフとして保持し、主観的な判断を許容する唯一のコンポーネントであるkkanbu。
オラクルを分離するためには同じループを、カンブなしで11の研究ストリームで2回実行します。
どちらも自分の仮説の約4分の3をファルシフィケーションし、最も訓練された政策はオラクルレスアームから来ている。
テストタイムの適応を探求するだけでなく、腕がリードする勝利のデザインを執筆し、もう一方の腕が繰り返し引き起こされる流れのレッスンも行った。
足場はループを正直に保ち、kkanbuはその見た目を決定づける。
関連論文リスト
- AgentIdeaBench: Benchmarking Scientific Ideation in the Agent Era [55.37558486468993]
AgentIdeaBenchは、静的観測とアクティブ探索という2つの一致した条件下で科学的思考を評価するベンチマークである。
5つの分野にまたがる40の高密度サブフィールドにおける33個のLDMの静的アクティブ評価を一致させた。
アクティブな探索により、ヘッドルームの能力は大幅に向上し、ヘッドルームはモデル間で不均一に分散される。
論文 参考訳（メタデータ） (2026-09-07T15:19:13Z) - Personalized Auto-Research: Towards a True AI Co-Scientist [90.01790420664169]
研究目標を考えると、最先端のシステムは研究者に依存しないままである。
小説、価値、実現可能なものは研究者によって異なる。
本稿では,検索,仮説探索,実験,執筆,レビューを通じて,グラフグラウンドの研究者コンテキストをスレッド化するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-14T20:43:27Z) - Long-Horizon Autonomous Architecture Research with a Language-Model Agent: A Behavioural Case Study [0.3683202928838613]
我々は,1つの汎用大規模言語モデルが,長期的ニューラルアーキテクチャ設計問題において唯一の研究者として機能する場合に何が起こるかを研究する。
この研究は3つのフェーズから構成され、人間の宣言された遷移によって分離され、エージェントのツール表面や問題スケールを徐々に拡大する。
本研究は, ワークフロー設計がエージェント能力に匹敵する影響力があることを結論し, 多様な探索, 予算付きムーンショット仮説, 明示的なフォーク, ルール対応の再検証を提案する。
論文 参考訳（メタデータ） (2026-08-03T09:56:34Z) - 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) - AutoResearchClaw: Self-Reinforcing Autonomous Research with Human-AI Collaboration [175.74514061083195]
提案するAutoResearchClawは,5つのメカニズムに基づいて構築されたマルチエージェント自律型研究パイプラインである。
25トピックの実験ステージベンチマークであるARC-Benchでは、AutoResearchClawがAI Scientist v2を54.7%上回っている。
論文 参考訳（メタデータ） (2026-05-19T15:49:51Z) - Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond [209.35045331678043]
2つの軸に沿って組織された「レベルx法」の分類を導入します。
第一に、3つの能力レベルを定義している: 1段階の局所遷移演算子を学ぶL1 Predictor、それらをドメインの法則を尊重する多段階のアクション条件付きロールアウトに構成するL2 Simulator、新しいエビデンスに対して予測が失敗すると自己のモデルを自動で修正するL3 Evolver。
我々は400以上の作品を合成し、モデルに基づく強化学習、ビデオ生成、WebおよびGUIエージェント、マルチエージェント社会シミュレーション、AIによる科学的発見にまたがる100以上の代表システムを要約する。
論文 参考訳（メタデータ） (2026-04-24T17:48:47Z) - Autonomous Diffractometry Enabled by Visual Reinforcement Learning [0.0]
結晶学や回折理論を使わずに単結晶を配向する自律システムを導入する。
モデルのない強化学習フレームワークを用いて、エージェントはロー回折パターンから直接高対称性の向きを識別し、ナビゲートする。
人間の監督が欠如しているにもかかわらず、エージェントは時間効率のアライメントを達成するために人間のような戦略を開発する。
論文 参考訳（メタデータ） (2026-04-13T17:42:19Z) - CliffSearch: Structured Agentic Co-Evolution over Theory and Code for Scientific Algorithm Discovery [8.600891931062277]
本稿では,コア進化演算子をLLMエージェントとして実装したエージェント進化フレームワークCliffSearchを提案する。
本稿では, トランスフォーマーのハイパーコネクション進化, 固定ナノGPTスタック上の発見, ネイティブ最適化アブレーションの3つのベンチマーク基盤研究の枠組みについて述べる。
論文 参考訳（メタデータ） (2026-04-01T17:51:26Z) - Embodied Science: Closing the Discovery Loop with Agentic Embodied AI [73.54118756665221]
我々は、科学的発見をクローズドループとして再編成し、エージェント推論と物理的実行を密結合するパラダイムであるエンボディド・サイエンスを論じる。
本研究では,実験環境の知覚,科学的知識の推論,身体的介入の実行,その後の探索を促進するための成果の内在化といった,統合された知覚・言語・行動発見(PLAD)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-20T09:20:12Z) - Unlearning as Ablation: Toward a Falsifiable Benchmark for Generative Scientific Discovery [0.0]
大きな言語モデル(LLM)は本当に新しい知識を生成するのか、それとも単に記憶された断片をリミックスするだけなのか?
建設科学的発見のフレーバーとして,非学習的アズ・アブレーションを提案する。
論文 参考訳（メタデータ） (2025-08-25T05:24:15Z) - Context-Aware Reasoning On Parametric Knowledge for Inferring Causal Variables [49.31233968546582]
本稿では,部分因果グラフの完成を目的とした新しいベンチマークを提案する。
原因と効果の間のバックドア変数を仮説化するLLMの強い能力を示す。
固定された関連性の単純な記憶とは異なり、我々のタスクはグラフ全体のコンテキストに応じてLCMを推論する必要がある。
論文 参考訳（メタデータ） (2024-09-04T10:37:44Z)
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。