論文の概要: ScienceIDE: Turning World's Scientific Codebase into Agent Learnable Environments
- arxiv url: http://arxiv.org/abs/2609.19134v1
- Date: Wed, 16 Sep 2026 17:55:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.927312
- Title: ScienceIDE: Turning World's Scientific Codebase into Agent Learnable Environments
- Title（参考訳）: 世界の科学のコードベースを学習可能な環境に変えるScienceIDE
- Abstract要約: 我々は、世界の科学コードを科学エージェントのためのプログラム可能な環境に変えるためのインフラであるScienceIDEを紹介する。
専門家が定義した科学的ケースと受け入れ基準によってガイドされ、エージェントはリポジトリを実行可能な環境に変換する。
検証された相互作用軌跡を用いて、PhAI-IDE-72B、PhAI-IDE-9B、PhAI-IDE-4Bを訓練する。
- 参考スコア（独自算出の注目度）: 37.752777533683556
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scientific code repositories encode decades of human knowledge in executable models, methods, and tools. Yet fragmented toolchains, implicit domain conventions, and specialized correctness criteria make this knowledge difficult to convert into reliable learning experience-a challenge we call the scientific experience bottleneck. We introduce ScienceIDE, infrastructure for turning the world's scientific code into programmable environments for scientific agents. Guided by expert-defined scientific cases and acceptance criteria, agents transform repositories into executable environments that support task generation, execution, and scientific verification. These environments provide a shared foundation for supervised fine-tuning, reinforcement learning, and evaluation. Using verified interaction trajectories, we train PhAI-IDE-72B, PhAI-IDE-9B, and PhAI-IDE-4B. The model family shows gains in held-out scientific-code repair and across selected general-purpose benchmarks in code, reasoning, and knowledge, providing evidence of positive transfer from scientific experience to broader capabilities. ScienceIDE lays the foundation for an integrated workspace for agent learning and scientific practice, making humanity's scientific software a shared substrate for developing scientific intelligence. Code: https://github.com/aitofound/ScienceIDE
- Abstract（参考訳）: 科学コードリポジトリは、実行可能なモデル、メソッド、ツールにおける数十年の人間の知識をコード化します。
しかし、断片化されたツールチェーン、暗黙のドメイン規約、特別な正当性基準は、この知識を信頼できる学習経験に変換するのを難しくします。
我々は、世界の科学コードを科学エージェントのためのプログラム可能な環境に変えるためのインフラであるScienceIDEを紹介する。
専門家が定義した科学的ケースと受け入れ基準によってガイドされ、エージェントはリポジトリをタスク生成、実行、科学的検証をサポートする実行可能な環境に変換する。
これらの環境は、教師付き微調整、強化学習、評価のための共有基盤を提供する。
検証された相互作用軌跡を用いて、PhAI-IDE-72B、PhAI-IDE-9B、PhAI-IDE-4Bを訓練する。
モデルファミリーは、科学的な経験からより広範な能力へのポジティブな移行の証拠を提供するため、保持された科学的コードの修復や、コード、推論、知識における選択された汎用ベンチマークの成果を示している。
ScienceIDEはエージェント学習と科学実践のための統合ワークスペースの基礎を築き、人類の科学ソフトウェアを科学知能開発のための共通基盤とした。
コード:https://github.com/aitofound/ScienceIDE
関連論文リスト
- SWE-bench Science: Can Coding Agents Resolve Engineering Tasks in Science? [60.11366724565423]
SWE-bench Scienceは、20の科学ドメインにわたる98のGitHubリポジトリから119のタスクからなる、科学ソフトウェアエンジニアリングのためのリポジトリレベルのベンチマークである。
科学的知識や抽象化の欠如、誤った調査や表面レベルの修復、不完全な修復のカバレッジやシステム統合、そして我々の分析で観察されたケースを超えて科学的知識を一般化する失敗の4つの失敗メカニズムを特定します。
論文 参考訳（メタデータ） (2026-08-20T08:53:15Z) - SciEvalKit: An Open-source Evaluation Toolkit for Scientific General Intelligence [99.30934038146965]
SciEvalKitは、科学知能のコア能力に焦点を当てている。
物理学、化学から天文学、材料科学まで6つの主要な科学領域をサポートしている。
このツールキットはオープンソースで、コミュニティ主導の開発とAI4Scienceの進歩を促進するために積極的にメンテナンスされている。
論文 参考訳（メタデータ） (2025-12-26T17:36:02Z) - AInsteinBench: Benchmarking Coding Agents on Scientific Repositories [33.48206557020983]
AInsteinBenchは、大規模言語モデル(LLM)エージェントが科学計算開発エージェントとして動作するかどうかを評価するための大規模なベンチマークである。
AInsteinBenchは、表面レベルのコード生成を超えて、計算科学研究に必要なコア能力に移行するモデルの能力を測定する。
論文 参考訳（メタデータ） (2025-12-24T08:11:11Z) - ScienceBoard: Evaluating Multimodal Autonomous Agents in Realistic Scientific Workflows [82.07367406991678]
大規模言語モデル(LLM)は自然言語処理を超えてその影響を拡大している。
これらのうち、コンピュータ利用エージェントは、人間がしているようにオペレーティングシステムと対話することができる。
我々はScienceBoardを紹介し、ダイナミックで視覚的にリッチな科学ソフトウェアを特徴とする現実的でマルチドメイン環境を包含する。
論文 参考訳（メタデータ） (2025-05-26T12:27:27Z)
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。