論文の概要: SciLENS: RL-Driven Autonomous Agents for Scientific Localized Evidence Navigation and Synthesis
- arxiv url: http://arxiv.org/abs/2609.03338v1
- Date: Thu, 03 Sep 2026 03:54:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:38.906254
- Title: SciLENS: RL-Driven Autonomous Agents for Scientific Localized Evidence Navigation and Synthesis
- Title（参考訳）: SciLENS: 科学的局所的エビデンスナビゲーションと合成のためのRL駆動型自律エージェント
- Authors: Leqi Zheng, Jinbo Su, Yuying Li, Chaokun Wang, Weiping Wang, Haitao Li, Jiajun Zhang, Shannan Yan, Zhaolu Kang, Rong Fu, Jie Wu, Fang Niu, Hang Zhang,
- Abstract要約: SciLENSは、デュアル層インフラストラクチャで動作する完全にローカルな自律エージェントフレームワークである。
我々は、推論ループ内で実行可能なツールとして構造視覚化の統合を開拓した。
我々は,引用知識グラフからサブグラフを抽出する自動データ合成パイプラインを開発した。
エージェントはその後、逆分解戦略によって整列される。
- 参考スコア（独自算出の注目度）: 25.589775096416176
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Scientific literature synthesis agents increasingly rely on proprietary online services, limiting reproducibility, privacy, and offline deployment. To address this challenge, we introduce SciLENS Scientific Localized Evidence Navigation and Synthesis), a fully local autonomous agent framework operating on a dual-tier infrastructure indexing approximately 12 million academic records. SciLENS pioneers the integration of structural visualization as an actionable tool within the reasoning loop, enabling the agent to compress complex citation topologies into validated data-driven charts and thereby mitigate context exhaustion during macro-level synthesis. To train the agent without human annotation, we develop an automated data synthesis pipeline that extracts multi-hop subgraphs from a citation knowledge graph, verified by cross-model consensus among 20 frontier models. The agent is subsequently aligned through a reverse-decomposition rubric strategy that provides fine-grained process rewards for early planning and strict evidence grounding. Evaluations across six scientific benchmarks encompassing standard QA, citation accuracy, factual reasoning, and structural synthesis demonstrate that SciLENS significantly outperforms open-source baselines and achieves performance comparable to GPT-5.2 and Gemini-3.0-pro. Our source code and data are released at https://github.com/LQgdwind/SciLENS.
- Abstract（参考訳）: 科学文献合成エージェントは、再現性、プライバシー、オフラインデプロイメントを制限する、プロプライエタリなオンラインサービスにますます依存している。
この課題に対処するために、約1200万の学術記録をインデックス化した2層インフラストラクチャ上で動作する、完全にローカルな自律エージェントフレームワークであるSciLENS Scientific Localized Evidence Navigation and Synthesisを紹介した。
SciLENSは、推論ループ内の実行可能なツールとして構造視覚化の統合を開拓し、複雑な引用トポロジを検証済みのデータ駆動チャートに圧縮し、マクロレベルの合成におけるコンテキストの疲労を軽減する。
ヒトのアノテーションを使わずにエージェントを訓練するために、20のフロンティアモデル間のクロスモデルコンセンサスによって検証された引用知識グラフからマルチホップサブグラフを抽出する自動データ合成パイプラインを開発した。
エージェントはその後、早期計画と厳密な証拠の根拠として、きめ細かいプロセス報酬を提供する逆分解ルーブリック戦略によって整列される。
標準的なQA、引用精度、事実推論、構造合成を含む6つの科学的ベンチマークで評価した結果、SciLENSはオープンソースベースラインを著しく上回り、GPT-5.2やGemini-3.0-proに匹敵する性能を達成した。
ソースコードとデータはhttps://github.com/LQgdwind/SciLENS.comで公開されています。
関連論文リスト
- Agentic-Ideation: Sample Efficient Agentic Trajectories Synthesis for Scientific Ideation Agents [9.918296068965665]
科学的な発見において、理想は重要な役割を担っている。
Agentic-Ideationは、自動軌道合成パイプラインと、科学的思考のために訓練された特殊なエージェントLSMからなる新しいフレームワークである。
論文 参考訳（メタデータ） (2026-06-30T07:07:51Z) - Agents-K1: Towards Agent-native Knowledge Orchestration [59.22667222947257]
textbfAgents-K1はエンドツーエンドの知識オーケストレーションパイプラインである。
生文書をエージェントネイティブな科学知識グラフに変換する。
我々は6つの被験者にわたる246万件の科学論文を処理し、TextbfScholar-KGを作成し、そのうち100万件の論文のサブセットを公開します。
論文 参考訳（メタデータ） (2026-06-11T17:58:35Z) - Towards Multi-Agent Autonomous Reasoning in Hydrodynamics [0.06999740786886537]
本稿では,多エージェントをレイヤ実行グラフ(LEG)を介して協調させる,流体力学のためのマルチエージェントシステム(MAS)のプロトタイプを提案する。
プランナーエージェントは、ドメイン知識を厳密な制御ロジックとしてハードコーディングすることなく、自然言語ルーティングからクエリ固有の実行トポロジを構築する。
レポーターエージェントが最終応答を合成し、ランタイムが監査性をサポートするためのツール呼び出し毎に証明をログする。
論文 参考訳（メタデータ） (2026-05-01T21:17:55Z) - AgentSim: A Platform for Verifiable Agent-Trace Simulation [3.2058241360543254]
AgentSimは、RAGエージェントをシミュレートするオープンソースプラットフォームである。
これは、任意のドキュメントコレクションに対するエージェント推論の検証可能な段階的なトレースを生成する。
マルチモデル検証パイプラインとアクティブなHuman-in-the-loopプロセスを組み合わせる。
論文 参考訳（メタデータ） (2026-04-29T13:19:38Z) - Reasoning-Driven Synthetic Data Generation and Evaluation [3.4565140548638884]
Simulaはデータ生成と評価のための新しい推論駆動フレームワークである。
シードレスでエージェント的なアプローチで、大規模に合成データセットを生成する。
提案手法は,本質的特性と下流特性の両方を厳密に検証し,様々なデータセットに対して有効性を示す。
論文 参考訳（メタデータ） (2026-03-31T14:26:33Z) - AgentIR: Reasoning-Aware Retrieval for Deep Research Agents [76.29382561831105]
ディープリサーチエージェントは、各検索の前に明示的な自然言語推論を生成する。
Reasoning-Aware Retrievalは、クエリと一緒にエージェントの推論トレースを埋め込む。
DR-Synthは、標準的なQAデータセットからDeep Researchレトリバーのトレーニングデータを生成する。
AgentIR-4Bは、オープンウェイトエージェントであるTongyi-DeepResearchで68%の精度を達成する。
論文 参考訳（メタデータ） (2026-03-04T18:47:26Z) - DeepSynth-Eval: Objectively Evaluating Information Consolidation in Deep Survey Writing [53.85037373860246]
本稿では,情報統合能力を客観的に評価するためのベンチマークであるDeep Synth-Evalを紹介する。
一般チェックリスト(実例)と制約チェックリスト(構造体)を用いたきめ細かい評価プロトコルを提案する。
その結果,エージェント型プラン・アンド・ライトは単ターン生成よりも大幅に優れていた。
論文 参考訳（メタデータ） (2026-01-07T03:07:52Z) - Loong: Synthesize Long Chain-of-Thoughts at Scale through Verifiers [103.4410890572479]
スケーラブルな合成データ生成と検証のためのオープンソースのフレームワークであるLoong Projectを紹介します。
LoongBenchは、12のドメインにまたがる8,729の人為的なサンプルを含む、キュレートされたシードデータセットである。
LoongEnvはモジュラー合成データ生成環境であり、新しい質問応答コードのトリプルを生成する複数のプロンプト戦略をサポートする。
論文 参考訳（メタデータ） (2025-09-03T06:42:40Z) - HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。
システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
論文 参考訳（メタデータ） (2025-08-01T20:30:42Z) - Open-Source Agentic Hybrid RAG Framework for Scientific Literature Review [2.092154729589438]
本稿では,ハイブリッドRAGパイプラインを自律エージェント内にカプセル化するエージェントアプローチを提案する。
当社のパイプラインでは,PubMedやarXiv,Google Scholar APIから,バイオロジカルなオープンアクセスデータを収集しています。
Llama-3.3-70B エージェントが GraphRAG (クエリを Cypher for KG に変換する) または VectorRAG (スパースと高密度検索を組み合わせて再ランク付けする) を選択する
論文 参考訳（メタデータ） (2025-07-30T18:54:15Z)
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。