Fugu-MT 論文翻訳(概要): OpenAI4S: Code as Action, Science as Sessions

論文の概要: OpenAI4S: Code as Action, Science as Sessions

arxiv url: http://arxiv.org/abs/2609.15096v1
Date: Mon, 14 Sep 2026 06:16:59 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 07:15:06.116357
Title: OpenAI4S: Code as Action, Science as Sessions
Title（参考訳）: OpenAI4S: アクションとしてのコード、セッションとしての科学
Abstract要約: 我々は、emphCode as Action, Science as Sessionsという原則に基づいて構築されたオープンソースの科学研究エージェントOpenAI4Sを紹介する。 OpenAI4Sは、永続化コンピューティングランタイムとリサーチセッション管理オーケストレーションを組み合わせることで、構造化されたツールコールによって処理される。再合成, 分子タンパク質結合体設計, タンパク質変異, 触媒スクリーニング, ミネラルスペクトロスコピーを含む36種類の研究シナリオにおけるOpenAI4Sの評価を行った。
参考スコア（独自算出の注目度）: 57.428071188574
License: http://creativecommons.org/licenses/by/4.0/
Abstract: AI co-scientists could accelerate computational research, but over a long-running study the workflow also has to stay inspectable, resumable and reproducible, which requires persistent computational state and provenance. Here we present OpenAI4S, an open-source scientific research agent built around the principle of \emph{Code as Action, Science as Sessions}. OpenAI4S combines a persistent computing runtime with research-session management: orchestration is handled through structured tool calls, while scientific actions are represented as complete code cells executed in persistent Python and R kernels. An append-only Action Ledger, per-cell execution records, versioned artifacts, environment records, and workspace checkpoints preserve how results were produced and support session recovery, branching, and extension. Configurable sandboxing, permission controls, and code and trajectory screening provide complementary safeguards. We evaluate OpenAI4S on 36 research scenarios spanning retrosynthesis, molecular dynamics, protein binder design, protein mutation, catalyst screening, and mineral spectroscopy, measuring scientific task accuracy, workflow completeness, and reproducibility of the resulting repositories. OpenAI4S achieves an overall score of 7.83, compared with 5.7--6.4 for a general-purpose coding harness evaluated with three frontier models, with the largest gains on long-horizon and computation-intensive workflows. These results suggest that integrating persistent execution with session-level provenance can improve the reliability of AI-assisted scientific workflows. Environment specification and full rerunnability remain weak for every evaluated system, ours included, so reproducibility is still an open problem for scientific agents. The system is available under the MIT license at \href{https://github.com/PKU-YuanGroup/OpenAI4S}{github.com/PKU-YuanGroup/OpenAI4S}.
Abstract（参考訳）: AIの共同研究者は計算研究を加速することができるが、長期にわたる研究を通じてワークフローは検査可能で、再利用可能で再現可能で、永続的な計算状態と証明を必要とする。ここでは、OpenAI4Sについて述べる。OpenAI4Sはオープンソースの科学研究エージェントで、emph{Code as Action, Science as Sessions}の原則に基づいて構築されている。 OpenAI4Sは永続的なコンピューティングランタイムとリサーチセッション管理を組み合わせたもので、オーケストレーションは構造化されたツールコールを通じて処理され、科学的アクションは永続的なPythonおよびRカーネルで実行される完全なコードセルとして表現される。追加のみのAction Ledger、セルごとの実行レコード、バージョン管理されたアーティファクト、環境レコード、ワークスペースチェックポイントは、どのように生成されたかを保持し、セッションのリカバリ、ブランチ、拡張をサポートする。設定可能なサンドボックス、パーミッションコントロール、コードとトラジェクトリのスクリーニングは、補完的な保護を提供する。我々は, 逆合成, 分子動力学, タンパク質結合体設計, タンパク質変異, 触媒スクリーニング, ミネラルスペクトロスコピーを含む36研究シナリオのOpenAI4Sを評価し, 科学的タスク精度, ワークフロー完全性, 結果として得られるリポジトリの再現性を測定した。 OpenAI4Sは3つのフロンティアモデルで評価された汎用コーディングハーネスの5.7--6.4に比べて総合スコアが7.83で、長期的および計算集約的なワークフローでは最大である。これらの結果は、永続的な実行とセッションレベルの前処理を統合することで、AI支援科学ワークフローの信頼性を向上させることを示唆している。環境仕様とフルリランナビリティは、評価されたシステム、例えば我々のシステムには依然として弱いままなので、再現性は科学エージェントには未解決の問題である。このシステムはMITライセンスのもと、 \href{https://github.com/PKU-YuanGroup/OpenAI4S}{github.com/PKU-YuanGroup/OpenAI4S}で利用可能である。

関連論文リスト

MDArena: Evaluating Coding Agents on Realistic Molecular Dynamics Workflows [20.54127577222597]
活性分子シミュレーションプロジェクトから得られた50のコンテナ化タスクのベンチマークであるMDArenaを紹介する。 CodexとOpenCodeにまたがる6つのモデル/ハーネス構成を評価した。評価された構成の中で、高度に推理されたCodex GPT-5.5は、24/50 Strict successes@1 (48%)、Codex GPT-5.5 Mediumが21/50、OpenCode Gemini Flash 3.5が20/50に達した。
論文参考訳（メタデータ） (2026-07-31T13:48:07Z)
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)
Science Earth: Towards A Planet-Scale Operating System for AI-Native Scientific Discovery [51.70607714288616]
サイエンスアース(Science Earth)は、惑星規模の科学ランタイムで、あらゆる能力が他のものと接続できる。その基盤となるEACNプロトコルは、機能を相互に発見し、タスクのオーナシップを交渉し、互換性のない明示的な標準を越えて判断することを可能にする。 2つの実行は、構造的に異なる条件下でこれを検証します。
論文参考訳（メタデータ） (2026-05-31T16:05:41Z)
NeuroClaw Technical Report [54.14941057366186]
NeuroClawは、神経イメージング研究のためのドメイン特化マルチエージェント研究アシスタントである。 NeuroClawは、フォーマットとモダリティをまたいだ生のニューロイメージングデータを直接運用する。 3階層のスキル/エージェント階層は、ユーザとのインタラクション、高レベルのオーケストレーション、低レベルのツールスキルを分離する。
論文参考訳（メタデータ） (2026-04-27T16:57:14Z)
The Last Human-Written Paper: Agent-Native Research Artifacts [106.47848184955576]
本稿では,物語紙を機械処理可能な研究パッケージに置き換えるプロトコルであるAgent-Native Research Artifact(ARA)を紹介する。通常の開発において決定と終了をキャプチャするLive Research Manager、レガシPDFとリポジトリをARAに変換するARAコンパイラ、人間レビュアーが重要性、ノベルティ、味にフォーカスできるように客観的チェックを自動化するARAネイティブレビューシステムである。
論文参考訳（メタデータ） (2026-04-27T16:23:09Z)
BloClaw: An Omniscient, Multi-Modal Agentic Workspace for Next-Generation Scientific Discovery [7.409685482433176]
BloClawはAI4S(Artificial Intelligence for Science)用に設計された統合オペレーティングシステムである。我々はBloClaw across cheminformatics (RDKit), de novo 3D protein folding via ESM, molecular docking, and autonomous Retrieval-Plotmented Generation (RAG)をベンチマークした。オープンソースリポジトリはhttps://github.com/qinheming/BloClawで公開されている。
論文参考訳（メタデータ） (2026-04-01T06:47:40Z)
AI Co-Scientist for Ranking: Discovering Novel Search Ranking Models alongside LLM-based AI Agents with Cloud Computing Access [60.37646376282544]
本稿では,全検索ランキング研究パイプラインを自動化したAI共同科学者フレームワークを提案する。これは、AIの共同科学者フレームワークをアルゴリズム研究に利用した、ランキングコミュニティで初めての研究である。
論文参考訳（メタデータ） (2026-03-23T09:29:08Z)
Spec-Driven AI for Science: The ARIA Framework for Automated and Reproducible Data Analysis [23.28226188948918]
ARIAは、自動および解釈可能なデータ分析のための、仕様駆動のヒューマン・イン・ザ・ループ・フレームワークである。 ARIAは、Command、Context、Code、Data、Orchesttion、AI Moduleという6つのレイヤを統合している。 ARIAは透明で協調的で再現可能な科学的発見のための新しいパラダイムを確立している。
論文参考訳（メタデータ） (2025-10-13T08:32:43Z)
FROGENT: An End-to-End Full-process Drug Design Agent [19.025736969789566]
薬物発見のための強力なAIツールは、孤立したWebアプリ、デスクトッププログラム、コードライブラリに存在する。この問題に対処するため、FROGENTという名前のフルプロセスduG dEsign ageNTが提案されている。 FROGENTはLarge Language ModelとModel Context Protocolを使用して、複数の動的生化学データベース、ツールライブラリ、タスク固有のAIモデルを統合する。
論文参考訳（メタデータ） (2025-08-14T15:45:53Z)

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。