Fugu-MT 論文翻訳(概要): Research Assistant: AstraZeneca's Agentic System for R&D

論文の概要: Research Assistant: AstraZeneca's Agentic System for R&D

arxiv url: http://arxiv.org/abs/2608.12395v1
Date: Thu, 06 Aug 2026 15:49:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-14 18:29:38.266623
Title: Research Assistant: AstraZeneca's Agentic System for R&D
Title（参考訳）: 研究助手:アストラゼネカのR&Dエージェントシステム
Abstract要約: Research Assistantは、科学者や臨床医が幅広いデータソースのバイオメディカルな質問を探索するのを助ける。このシステムは、科学文献、知識グラフ、化学、臨床試験、安全資源、表現データ、および内部実験システムから証拠を収集するチャットスタイルのインターフェースを提供する。
参考スコア（独自算出の注目度）: 1.1973779814161076
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We describe Research Assistant, an internal LLM-based system developed at AstraZeneca to help scientists and clinicians explore biomedical questions across a broad range of data sources. The system provides a chat-style interface that brings together evidence from scientific literature, knowledge graphs, chemistry, clinical trials, safety resources, expression data, and internal experimental systems. It supports both a fast mode for direct question answering and a multi-step mode for more complex research tasks. Responses are grounded in retrieved evidence and linked back to the original sources, allowing users to review and further explore the underlying data. In this technical note, we outline the system architecture, the main design choices behind the product, and lessons learned from deploying it at scale to support day-to-day R&D workflows across AstraZeneca.
Abstract（参考訳）: 我々は、AstraZenecaで開発された内部LLMベースのシステムであるResearch Assistantについて説明する。このシステムは、科学文献、知識グラフ、化学、臨床試験、安全資源、表現データ、および内部実験システムから証拠を収集するチャットスタイルのインタフェースを提供する。直接質問応答のための高速モードと、より複雑な研究タスクのためのマルチステップモードの両方をサポートしている。応答は検索された証拠に基づいており、元のソースにリンクして、ユーザが基礎となるデータをレビューし、さらに調査することができる。本稿では、AstraZeneca全体の日々のR&Dワークフローをサポートするために、システムアーキテクチャ、製品の背後にある主な設計選択、大規模展開から学んだ教訓について概説する。

関連論文リスト

AquiLLM: Evaluating Faithfulness in Open-Weight RAG-LLM Systems for Scientific Research [2.527316655254016]
本稿では,オープンウェイトでオフラインなRAG-LLMプラットフォームであるAquiLLMに対して,ドメインエキスパートによる忠実度の評価を行う。我々は,AquiLLMを検索および科学分析タスクで評価した天文学ケーススタディの結果を報告する。
論文参考訳（メタデータ） (2026-09-15T02:09:45Z)
SciForge: An AI-Native, Multimodal Workbench for Scientific Discovery [48.99744520105086]
SciForgeはマルチモーダルな研究ネイティブAIワークベンチである。検索、解析、モデルルーティング、ワークフローの実行、プロット、書き込み、プレゼンテーション生成がモジュラーエージェントアクセス可能なサービスとして実行される間、人間の判断のためにグラフィカルインターフェースを予約する。
論文参考訳（メタデータ） (2026-07-17T15:13:03Z)
ResearchPilot: A Local-First Multi-Agent System for Literature Synthesis and Related Work Drafting [3.272585676511349]
ResearchPilotは、文献レビュー支援のためのオープンソースのセルフホスト可能なマルチエージェントシステムである。自然言語研究の質問を受けて、Semantic ScholarとarXivから論文を検索する。紙抽象物から構造化された結果を抽出し、クロスペーパーパターンを合成し、引用・認識作業部を起草する。
論文参考訳（メタデータ） (2026-03-15T22:02:59Z)
MITRA: An AI Assistant for Knowledge Retrieval in Physics Collaborations [0.0]
大規模な科学的コラボレーションは、膨大な内部文書のコーパスを生み出している。我々は、物理解析に関する特定の文脈対応の質問に答えるように設計された、レトリーバル拡張生成(RAG)ベースのシステムであるMITRAのプロトタイプを提案する。 MITRAは、内部データベースからの文書検索にSeleniumを使用した新しい自動パイプラインと、高忠実なテキスト抽出のためのレイアウト解析を備えたOCRを採用している。
論文参考訳（メタデータ） (2026-03-10T15:28:35Z)
From Toil to Thought: Designing for Strategic Exploration and Responsible AI in Systematic Literature Reviews [12.088520576810247]
本研究では,1)複数のデータベースにまたがる反復的クエリリファインメント管理の認知負荷が高いこと,2)近代文学の出版の圧倒的な規模とペース,3)自動化と学術機関の緊張感について考察した。我々は、マルチデータベース統合、透過的反復探索、検証可能なAI支援スクリーニングのためのソリューションを運用する設計プローブARCを開発した。
論文参考訳（メタデータ） (2026-01-21T00:28:27Z)
DeepEvidence: Empowering Biomedical Discovery with Deep Knowledge Graph Research [33.51246292480848]
我々は、様々なバイオメディカル知識グラフ(KG)にまたがってDeep Researchを実行するために設計されたAIエージェントフレームワークであるDeepEvidenceを紹介する。主にインターネットスケールのテキストに依存している一般的なDeep Researchシステムとは異なり、DeepEvidenceには専門的な知識グラフツールと協調的な探索戦略が組み込まれている。ディープエビデンス(DeepEvidence)は、生物医学的な発見ライフサイクルの4つの重要な段階において、体系的な探索とエビデンス合成において大きな進歩を示す。
論文参考訳（メタデータ） (2025-12-23T14:34:38Z)
DR Tulu: Reinforcement Learning with Evolving Rubrics for Deep Research [152.2148664328137]
ディープ・リサーチ・モデルは、多段階の研究を行い、長文でよく理解された回答を生成する。ほとんどのオープンディープリサーチモデルは、検証可能な報酬を伴う強化学習を通じて、短い形式のQAタスクで訓練されている。我々は、オープンエンドで長期のディープリサーチのために直接訓練された最初のオープンモデルであるDeep Research Tulu (DR Tulu-8B)を開発した。
論文参考訳（メタデータ） (2025-11-24T18:35:54Z)
Cross-Disciplinary Knowledge Retrieval and Synthesis: A Compound AI Architecture for Scientific Discovery [1.5143261755366868]
BioSageは、LLMをRAGと統合した新しい複合AIアーキテクチャで、AI、データサイエンス、バイオメディカル、バイオセキュリティドメインにわたる発見を可能にするために、特殊なエージェントとツールを編成した。本システムでは,クエリ計画と応答合成を備えた検索エージェントを含む,複数の特殊エージェントを特徴とし,引用支援型応答を持つドメイン間の知識検索を実現する。我々の研究は、チャート、表、構造化された科学データに対するマルチモーダル検索と推論に重点を置いており、また、クロスディシプリナ発見のための総合的なマルチモーダルベンチマークも開発している。
論文参考訳（メタデータ） (2025-11-23T05:33:11Z)
From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
論文参考訳（メタデータ） (2025-06-23T17:27:19Z)
Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文参考訳（メタデータ） (2025-06-22T16:52:48Z)
Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
論文参考訳（メタデータ） (2025-03-27T12:50:17Z)
SurveyAgent: A Conversational System for Personalized and Efficient Research Survey [50.04283471107001]
本稿では,研究者にパーソナライズされた効率的な調査支援を目的とした会話システムであるSurveyAgentを紹介する。 SurveyAgentは3つの重要なモジュールを統合している。文書を整理するための知識管理、関連する文献を発見するための勧告、より深いレベルでコンテンツを扱うためのクエリ回答だ。本評価は,研究活動の合理化におけるSurveyAgentの有効性を実証し,研究者の科学文献との交流を促進する能力を示すものである。
論文参考訳（メタデータ） (2024-04-09T15:01:51Z)

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。