論文の概要: Eureka: Task-Conditioned Meta-Agent Orchestration for Scientific Discovery
- arxiv url: http://arxiv.org/abs/2608.19047v1
- Date: Wed, 19 Aug 2026 15:40:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.444594
- Title: Eureka: Task-Conditioned Meta-Agent Orchestration for Scientific Discovery
- Title（参考訳）: Eureka: 科学的発見のためのタスク定義メタエージェントオーケストレーション
- Abstract要約: 本稿では,タスク条件付きメタエージェントアーキテクチャであるEurekaについて述べる。
実行中、Eurekaは特定の状態、メモリ、演算子、ツール、検証子、ローカルトポロジーを持つマクロエージェントを形成する。
我々は、後悔、無効化の計画、償却、サブツリーインターフェース、シリアライズ可能性、検証の結果を確立する。
- 参考スコア（独自算出の注目度）: 34.81550247451714
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present Eureka, a task-conditioned Meta-Agent architecture that compiles long-horizon tasks into dynamic obligation graphs with explicit acceptance semantics. During execution, Eureka forms Macro-Agents with specialized state, memory, operators, tools, verifiers, and local topology via receding-horizon planning, architecture promotion, and minimal-sufficient compilation. When bottlenecks recur, cost-benefit-gated evolution updates the local architecture under constraints. Theoretically, we establish results on regret, planning invalidation, amortization, subtree interfaces, serializability, and verification. Experimentally, Eureka completes 170/170 recursive tasks and generates 3,948 certificates with no false acceptances. Active context compresses median input from 9,490 to 4,005 tokens; incremental processing avoids 65.38% recomputation across 12,000 tasks; 16,000 concurrent executions serialize consistently. The same Meta-Agent instantiates a Theory-Discovery Agent and a Math/Conjecture Agent. The former yields structural results in quantum-process and spacetime theory. The latter identifies bottlenecks in Riemann Hypothesis research and advances a positivity certificate for Suzuki's localized Weil quadratic form to 0 < a <= 69/200 = 0.345, reaching ~99.55% of (log 2)/2. These results suggest that scientific-agent capability depends not only on the base model but on whether an architecture can be formed to match the task's cognitive structure.
- Abstract（参考訳）: 本稿では,タスク条件のメタエージェントアーキテクチャであるEurekaについて述べる。
実行中、Eurekaは特定の状態、メモリ、演算子、ツール、検証器、局所的なトポロジを、回帰水平計画、アーキテクチャの促進、最小限のコンパイルによって構成する。
ボトルネックが再帰すると、コストベネフィットされた進化は、制約の下でローカルアーキテクチャを更新する。
理論的には, 後悔, 無効化の計画, 償却, サブツリーインタフェース, シリアライザビリティ, 検証に関する結果を確立する。
実験的に、Eurekaは170/170の再帰的なタスクを完了し、3,948の証明書を偽の受け入れなしに生成する。
アクティブコンテキストは9,490から4,005のトークンへの中央値入力を圧縮し、インクリメンタル処理は12,000タスクで65.38%の再計算を回避し、16,000の同時実行は連続的にシリアライズされる。
同じメタエージェントは、理論発見エージェントと数学/推論エージェントをインスタンス化する。
前者は量子過程と時空理論における構造的な結果をもたらす。
後者はリーマン仮説研究のボトルネックを特定し、スズキの局所化されたヴェイユ二次形式に対する正の証明を 0 < a <= 69/200 = 0.345 とし、 (log2)/2 の 99.55% に達した。
これらの結果から, 科学的エージェント能力は, 基本モデルだけでなく, タスクの認知構造に適合する構造を形成できるかどうかにも依存することが示された。
関連論文リスト
- Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence [86.61561123749011]
Apodex Discovery(アポデックスディスカバリー)は、重度解法を用いて発見的AIを構築し評価するためのフレームワークである。
まず16のセクターで511の業界を調査し、423の高価値現実問題を集め、最初のリリースで20を選定した。
第二に、共通の環境-タスク-エピソード抽象化は、データ、ツール、制約、フィードバック、軌跡記録、中間成果物と最終提出物の検証を提供する。
論文 参考訳（メタデータ） (2026-08-11T18:48:40Z) - MetaSpace: Metamorphic Testing for Spatial Cognition in Embodied Agents [7.0922719251235655]
MetaSpaceは、エンボディエージェントの空間認知を評価するために設計された新しいフレームワークである。
そこで,MetaSpaceは最先端MLLMエージェントの空間認識誤りを90,422個検出することに成功した。
その結果、全てのSOTAエージェントは平均スコアが0.44から0.52であり、人間ベンチマークの0.96よりもかなり低いことが示唆された。
論文 参考訳（メタデータ） (2026-07-26T14:07:20Z) - Mining Architectural Quality Under Agentic AI Adoption: A Causal Study of Java Repositories [1.2744523252873352]
AIコーディングツールは現在、ほとんどの開発者が使用しており、これらのツールのエージェント的使用は、"バイブコーディング"と呼ばれるプラクティスを広く普及させている。
差分差分設計とBorusyakインプット推定器を用いた建築ニオイ密度(ASD)への導入の因果効果を推定する。
論文 参考訳（メタデータ） (2026-06-11T12:50:36Z) - Convergence Theory for Iterative LLM-Based Neural Architecture Search: A Parametric Cross-Entropy Framework with Closed-Form Proxy Reliability [48.83701310501069]
大規模言語モデル(LLM)は、反復型ニューラルアーキテクチャサーチ(NAS)におけるジェネレータとしてますます使われている。
我々は,LCM-NASを,実行可能プログラム上でのパラメトリッククロスエントロピー(CE)法としてモデル化する。
我々は,(1)エリートアーキテクチャの反復LEM微調整は,LLMファミリーに制限されたCE更新と同等であり,(2)期待されるアーキテクチャ品質はサイクル毎に単調に低下せず,(3)エリートセットの確率は幾何率で一定点に収束する,という6つの結果を示した。
論文 参考訳（メタデータ） (2026-05-28T15:45:19Z) - Episodic-Semantic Memory Architecture for Long-Horizon Scientific Agents [0.0]
長期統合知識(約3トークン/メッセージ)から即時エピソードニーズ(インスタント10メッセージウィンドウ)を分離するデュアルプロセス記憶アーキテクチャを評価する。
より少ないトークン(45,434対12000以上の制限)で1-2秒のレイテンシで70～85%の精度を維持している。
連続記憶を保ちながら現実的な線形成長(約3トークン/メッセージ)を示す「最小から最小の」ギャップを同定する。
論文 参考訳（メタデータ） (2026-05-17T19:44:24Z) - AgentProcessBench: Diagnosing Step-Level Process Quality in Tool-Using Agents [50.481033105867205]
我々はAgentProcessBenchを紹介した。AgentProcessBenchは、現実的なツール拡張トラジェクトリにおけるステップレベルの有効性を評価するための最初のベンチマークである。
ベンチマークは、1,000の多様な軌跡と8,509の人間ラベル付きステップアノテーションと89.1%のアノテーション間合意で構成されている。
探索をキャプチャする3つのラベリングスキームと、ラベルのあいまいさを減らすためのエラー伝搬ルールを備えている。
論文 参考訳（メタデータ） (2026-03-15T16:13:58Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - Reasoning-Aware Prompt Orchestration: A Foundation Model for Multi-Agent Language Model Coordination [0.0]
複数の特殊エージェント間の推論を強化する動的プロンプトオーケストレーションのための理論的基盤となるフレームワークを提案する。
このフレームワークは,エージェント移行時の論理的一貫性の維持,推論対応の迅速な適応,分散推論のスケーラブルな調整,という3つの課題に対処する。
1000件の合成マルチエージェント会話実験の結果,推論遅延の42%低減,ROUGE-Lスコアによる論理的整合性の23%改善,文脈損失のないタスク完了の89%の成功率が確認された。
論文 参考訳（メタデータ） (2025-09-30T22:33:01Z) - OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。
我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。
我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
論文 参考訳（メタデータ） (2025-08-07T17:54:15Z)
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。