論文の概要: ScienceFlow: A long-horizon agent for ML research, scientific discovery and beyond
- arxiv url: http://arxiv.org/abs/2608.14354v1
- Date: Fri, 14 Aug 2026 14:54:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 20:14:29.409794
- Title: ScienceFlow: A long-horizon agent for ML research, scientific discovery and beyond
- Title（参考訳）: ScienceFlow:ML研究、科学発見などのための長期エージェント
- Abstract要約: ScienceFlowはエンドツーエンドの自動検索エージェントフレームワークで、長期の研究作業を実行可能なワークスペースに基盤を置いた研究セグメントに整理する。
研究の進展を回復可能な実行可能状態として表現し、効率的な探索、修正、実行を可能にします。
様々なロングホライゾンベンチマークの結果は、SOTA 70.22%のAny-Medalスコアが24時間予算で完全なMLEベンチの有効研究プロセスを維持できることを示した。
- 参考スコア（独自算出の注目度）: 27.718666775653393
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Enabling LLM agents to sustain productive, stable, and goal-aligned research over extended horizons is a central challenge for autonomous machine learning and scientific discovery, as progress hinges on continuously managing evolving state, exploration decisions, and computational resources. Pioneering autoresearch agents, despite great success, still lack mechanisms for continuity, recovery from dead ends, and value-driven compute allocation, which inherently undermines overall search efficiency, wastes computational resources, and lowers the chance of ultimate success. To bridge this gap, we introduce ScienceFlow, an end-to-end autoresearch agent framework that organizes long-horizon research work into research segments grounded in executable workspaces. It represents research progress as recoverable executable states, enabling efficient exploration, revision, and execution. Transitions between research segments are governed by Executable-State Transition through Re-Anchoring (ESTRA), which selects either the live state or an archived state as the next anchor and determines whether to continue or redirect the research trajectory. An evidence-aware execution controller allocates resources to physical jobs based on resource availability, remaining budget, and validated progress. We evaluate ScienceFlow on tasks spanning machine learning, scientific modeling, and mathematical optimization. Results on diverse long-horizon benchmarks demonstrate its ability to sustain effective research processes, highlighted by a SOTA 70.22 percent Any-Medal score on the full MLE-bench within a 24-hour budget, outperforming prior reported results by 4.92 percentage points. The efficacy of ScienceFlow further demonstrates that efficient state management, adaptive exploration, and objective-aligned execution are critical for scaling autonomous research beyond short-horizon interactions.
- Abstract（参考訳）: LLMエージェントを生産的、安定的、目標に沿った研究を拡張地平線上で継続させることは、自律的な機械学習と科学的発見にとって重要な課題である。
自動検索エージェントのパイオニアリングは、大きな成功にもかかわらず、連続性、致命的な終了からの回復、および値駆動の計算割り当てのメカニズムがまだ欠けており、これは本質的に、全体的な検索効率を損なうものであり、計算資源を無駄にし、究極的な成功の機会を減らしている。
このギャップを埋めるために、我々はScienceFlowというエンドツーエンドの自動検索エージェントフレームワークを紹介した。
研究の進展を回復可能な実行可能状態として表現し、効率的な探索、修正、実行を可能にします。
研究セグメント間の遷移は、実行可能状態遷移(Executable-State transition)によって管理され、ライブ状態またはアーカイブ状態のいずれかを次のアンカーとして選択し、研究軌跡を継続またはリダイレクトするかを決定する。
エビデンス対応実行コントローラは、リソースの可用性、予算の維持、進捗の検証に基づいて、リソースを物理ジョブに割り当てる。
我々は、機械学習、科学モデリング、数学的最適化にまたがるタスクにおけるScienceFlowを評価する。
様々なロングホライゾンベンチマークの結果は、SOTA 70.22パーセントのAny-Medalスコアが24時間予算で達成し、報告前の結果の4.92ポイントを上回った、効果的な研究プロセスを維持する能力を示している。
さらに、ScienceFlowの有効性は、効率的な状態管理、適応探索、客観的に整合した実行が、短期水平相互作用を超えて自律的な研究をスケールするために重要であることを証明している。
関連論文リスト
- Autonomous Research for Open-Ended Problems: A Case Study on Telecom Ticket Retrieval [0.5684057370781513]
オープンエンドの業界レベルの機械学習問題を解決するために、自律的な研究がどのように適応できるかを示す。
人間の監督が最小限であっても、自律的な研究は最先端のパフォーマンスの90%を達成できる。
論文 参考訳（メタデータ） (2026-09-11T17:09:15Z) - 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) - Toward Generalist Autonomous Research via Hypothesis-Tree Refinement [150.99641031769633]
本稿では,長寿命コーディネータ,短寿命エグゼキュータ,仮説ツリーリファインメント(HTR)を組み合わせた自律的研究フレームワークArborを紹介する。
結果が戻ると、Arborはツリーを更新し、再利用可能なレッスンを宣伝し、検索フロンティアを洗練し、検証された改善を認めた。
論文 参考訳（メタデータ） (2026-06-10T10:57:05Z) - AutoResearch AI: Towards AI-Powered Research Automation for Scientific Discovery [184.2309450554096]
AutoResearchはAIを活用した科学ワークフロー自動化の開発スペクトルとして定義されている。
我々は、研究システムが制御、エビデンス、実行、検証、説明責任を再分配し、その分野を組織化する方法について分析する。
本稿では,5つの評価次元 – ノベルティ,インパクト,信頼性,証明 – を提案し,AutoResearchの自律性はドメイン条件であることを示す。
論文 参考訳（メタデータ） (2026-05-22T03:40:30Z) - AutoResearchBench: Benchmarking AI Agents on Complex Scientific Literature Discovery [55.70879973230979]
AutoResearchBenchは、自律的な科学文献発見のためのベンチマークである。
エージェントWebブラウジングに関する以前のベンチマークと比較すると、AutoResearchBenchは研究指向である。
最も強力なLCMでさえ、BrowseCompのような一般的なエージェントによるWebブラウジングベンチマークをほとんど征服したにもかかわらず、Deep Researchでは9.39%、Wide Researchでは9.31%の精度しか達成していない。
論文 参考訳（メタデータ） (2026-04-28T06:05:17Z) - COMPOSITE-Stem [32.17652486099204]
COMPOSITE-STEMは、物理学、生物学、化学、数学における70の専門的なタスクのベンチマークである。
我々のベンチマークでは、正確なマッチンググレーティングとクレーターベースのルーリックとアズ・ア・ジャイグリーグレーディングプロトコルを組み合わせる。
トップパフォーマンスモデルは21%を実現し、ComposITE-STEMが現在のエージェントリーチを超える能力をキャプチャすることを示した。
論文 参考訳（メタデータ） (2026-04-10T19:08:50Z) - FIRE-Bench: Evaluating Agents on the Rediscovery of Scientific Insights [63.32178443510396]
FIRE-Bench (Full-cycle Insight Rediscovery Evaluation) は、確立された発見の再検討を通じてエージェントを評価するベンチマークである。
最強のエージェントでさえ、限られた再発見成功(50 F1)を達成し、実行中に高いばらつきを示し、実験的な設計、実行、エビデンスに基づく推論において繰り返し失敗モードを表示する。
論文 参考訳（メタデータ） (2026-02-02T23:21:13Z) - Rethinking the AI Scientist: Interactive Multi-Agent Workflows for Scientific Discovery [0.17341675932416767]
本稿では,数分で測定したターンアラウンド時間を用いて,インタラクティブな科学的調査を可能にするマルチエージェントシステムであるDeep Researchを紹介する。
このアーキテクチャは、永続的な世界状態を通じて統合された計画、データ分析、文献検索、新規性検出のための特殊なエージェントから構成される。
BixBenchの計算生物学ベンチマークによる評価は、最先端のパフォーマンスを示し、オープンレスポンスでは48.8%、マルチチョイス評価では64.4%の精度を達成した。
論文 参考訳（メタデータ） (2026-01-18T19:12:41Z) - Learnings from Frontier Development Lab and SpaceML -- AI Accelerators
for NASA and ESA [57.06643156253045]
AIとML技術による研究は、しばしば非同期の目標とタイムラインを備えたさまざまな設定で動作します。
我々は、NASAとESAの民間パートナーシップの下で、AIアクセラレータであるFrontier Development Lab(FDL)のケーススタディを実行する。
FDL研究は、AI研究の責任ある開発、実行、普及に基礎を置く原則的な実践に従う。
論文 参考訳（メタデータ） (2020-11-09T21:23:03Z)
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。