論文の概要: Metacognitive Steering: Learning the Structure of Scientific Judgment

• arxiv url: http://arxiv.org/abs/2609.16245v1
• Date: Mon, 14 Sep 2026 19:10:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.196178
• Title: Metacognitive Steering: Learning the Structure of Scientific Judgment
• Title（参考訳）: メタ認知的ステアリング : 科学的判断の構造を学ぶ
• Abstract要約: 長期にわたる科学的発見は、証拠が変わるにつれて、調査、規律付き実行、批判的再評価の間でエージェントを交互に行う必要がある。 現在の言語モデルは、主に科学の産物に基づいて訓練され、結果レベルの信号を使って最適化されている。 本研究では,科学者間の相互作用の痕跡からそのような判断を回収できるかどうかを考察し,凍結フロンティアモデルの内部合成の制御に利用した。
• 参考スコア（独自算出の注目度）: 0.16863755729554886
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-horizon scientific discovery requires agents to alternate between exploration, disciplined execution, and critical reassessment as evidence changes. Current language models are trained primarily on the products of science and optimized using outcome-level signals, providing limited supervision for these process-level shifts in scientific judgment. We investigate whether such judgment can be recovered from scientist interaction traces and used to control the internal computation of a frozen frontier model. Using contrastive interventions collected during real scientific research, we identify a coordinated, low-dimensional control structure within Kimi 2.6, a trillion-parameter mixture-of-experts model. Residual analysis, attention-weight subspace alignment, and cross-layer singular value decomposition converge on a mid-depth control surface spanning key layers. We introduce Metacognitive Steering, an inference-time controller that reads the model's cognitive regime and dynamically composes layer-specific interventions for exploration, procedural convergence, or critical reassessment without modifying model parameters. Behavioral analyses show that this control produces more sustained exploration, explicit pruning, and evidence-responsive synthesis. We operationalize the method in Columbus-1, an autonomous research system that identified eight independently reproduced, attacker-reachable vulnerabilities in BlueZ and directed the design, simulation, and fabrication of a ten-foot rocket intended to land propulsively using non-throttleable solid motors. Together, these results show that process-level scientific judgment can provide supervision for interpretable, dynamic control over a model's reasoning strategy.
• Abstract（参考訳）: 長期にわたる科学的発見は、証拠が変わるにつれて、調査、規律付き実行、批判的再評価の間でエージェントを交互に行う必要がある。 現在の言語モデルは、主に科学の産物に基づいて訓練され、結果レベルの信号を使用して最適化され、科学的判断におけるこれらのプロセスレベルのシフトの限定的な監督を提供する。 本研究では,科学者の相互作用トレースからそのような判断を復元できるかどうかを考察し,凍結フロンティアモデルの内部計算の制御に利用した。 実際の科学的研究で収集された対照的な介入を用いて、数兆パラメータの混合実験モデルであるKim2.6内の調整された低次元制御構造を同定する。 残留解析,注目重み付き部分空間アライメント,および層間特異値分解は,鍵層にまたがる中深度制御面に収束する。 メタ認知ステアリング(Metacognitive Steering)は、モデルの認知体制を読み出し、モデルパラメータを変更することなく、探索、手続き収束、批判的再評価のための層固有の介入を動的に構成する推論時コントローラである。 行動分析により、この制御はより持続的な探索、明示的なプルーニング、エビデンス応答型合成を生み出すことが示された。 この方法は、BlueZで独立に再現された8つの攻撃可能な脆弱性を識別する自律的な研究システムであるColumbus-1で運用し、非安定固体モーターを用いて推進的に着陸することを目的とした10フィートのロケットの設計、シミュレーション、製造を指示した。 これらの結果は、プロセスレベルの科学的判断が、モデルの推論戦略に対する解釈可能な動的制御の監督を提供することを示す。

関連論文リスト

• Rethinking Scientific Discovery in the Agentic Era [69.85050591628048]
  SCIONは、Textbfの組織ネクサスとして機能するエージェント科学オペレーティングシステムである。 中心となるのは textbfResearch Execution Plan (REP) であり、これは高いレベルの科学的意図をステージ化された目的、依存関係、検証チェックポイント、ツール要件、期待される成果物、フォールバック条件にコンパイルする。 SCION 下での発見を textbfTarget- Conditioned Inverse Search として定式化し,有限実験予算下でのバッチ能動探索により隠れターゲット設定に拡張する。
  論文  参考訳（メタデータ） (2026-07-04T13:09:33Z)
• Self-Evolving Scientific Agent Discovers Generalizable Physically-Reasoned Fluid Control [6.923599492589765]
  本稿では、厳密な解釈可能性と厳密な物理的推論を維持しつつ、コントローラ構築を自動化する自己進化型科学エージェントワークフローを提案する。 自律的な科学エージェントは、蓄積された物理的証拠を堅牢で数学的に可読な制御ポリシーに変換することに成功した。
  論文  参考訳（メタデータ） (2026-06-07T01:59:11Z)
• 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)
• MOOSE-Copilot: A Web-Based Interactive Assistant for Unified Exploratory and Fine-Grained Scientific Hypothesis Discovery [4.6860802702914786]
  我々は、この抽象化ギャップを形式化された人間-AIインタラクションプロトコルによって橋渡しする最初の統合フレームワークであるMOOSE-Copilotを提案する。 私たちのシステムでは、初期青写真、段階間ルーティング、再生フィードバックという3つの明確なシグナルを通じて、生成過程を制御できます。 このパラダイムを民主化するために,対話型ツリー可視化機能を備えた直感的なWebベースインタフェースを開発した。
  論文  参考訳（メタデータ） (2026-05-28T07:06:10Z)
• Grounding LLMs in Scientific Discovery via Embodied Actions [84.11877211907647]
  大規模言語モデル (LLMs) は科学的発見に大きな可能性を示しているが、理論的推論と物理シミュレーションのギャップを埋めるのに苦労している。 EmbodiedActは、確立された科学ソフトウェアを、密着した知覚・実行ループによる実施行動の基盤化により、アクティブな実施エージェントに変換するフレームワークである。
  論文  参考訳（メタデータ） (2026-02-24T07:37:18Z)
• OR-Agent: Bridging Evolutionary Search and Structured Research for Automated Algorithm Discovery [10.217363774023033]
  OR-Agentは、リッチな実験環境における自動探査のために設計されたマルチエージェントの研究フレームワークである。 本稿では,研究開始点の進化的選択,総合的な研究計画生成,研究ツリー内の協調探索を統一する進化的システム機構を提案する。 我々は古典的最適化ベンチマーク(走行セールスマン、静電容量化車両ルーティング、ビンパッキング、オリエンテーリング、および複数のクナップサック問題を含む)およびシミュレーションに基づく協調運転シナリオを含む実験を行う。
  論文  参考訳（メタデータ） (2026-02-14T13:32:03Z)
• NewtonBench: Benchmarking Generalizable Scientific Law Discovery in LLM Agents [65.85967483058705]
  科学法発見のための強力なツールとして、大規模な言語モデルが登場している。 このタスクの既存のベンチマークは、基本的な方法論のトリレンマに悩まされている。 12の物理領域にわたる324の科学法発見タスクからなるベンチマークであるNewtonBenchを紹介する。
  論文  参考訳（メタデータ） (2025-10-08T16:12:11Z)
• Active Inference AI Systems for Scientific Discovery [1.450405446885067]
  この観点では、進歩は抽象論、推論、経験的根拠の3つのギャップを互いに強化する。 デザイン原則は、想像空間を推論し、世界から学ぶシステムのために提案されている。
  論文  参考訳（メタデータ） (2025-06-26T14:43:04Z)
• Beyond Prompt Engineering: Robust Behavior Control in LLMs via Steering Target Atoms [71.85633762642125]
  モデルにおける膨大な数のパラメータは、しばしば高度に絡み合った内部表現をもたらす。 最近の研究は、スパースオートエンコーダ(SAE)を用いて、ステアリングのための高次元空間における知識を歪めている。 本研究では,非絡み合った知識コンポーネントを分離・操作し,安全性を高める手法であるステアリングターゲット原子(STA)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T17:59:18Z)
• Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
  得られた知識を有向非巡回因果グラフの形で公開することを提案する。 また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。 提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
  論文  参考訳（メタデータ） (2023-09-30T20:59:42Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)
• Bayesian optimization of distributed neurodynamical controller models for spatial navigation [1.9249287163937971]
  我々はニューロシュワームコントローラを導入し、エージェントベースの相互作用を神経ネットワークの相互作用に類似してモデル化する。 この複雑さは、従来のSwarmモデルの研究に一般的に使用される安定性、制御可能性、性能の線形解析を妨げる。 ベイズ最適化に基づく自律型マルチエージェントシステムの動的コントローラモデルをチューニングするためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-31T21:43:06Z)

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。