論文の概要: ChatT2: An Adaptive Framework for Developing a Large Language Model-Based Agent for Natural Product Domain Research

• arxiv url: http://arxiv.org/abs/2609.25620v1
• Date: Tue, 22 Sep 2026 03:25:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.191128
• Title: ChatT2: An Adaptive Framework for Developing a Large Language Model-Based Agent for Natural Product Domain Research
• Title（参考訳）: ChatT2: 大規模言語モデルに基づく天然物ドメイン研究のための適応的フレームワーク
• Abstract要約: ChatT2は、細菌II型ポリケチドの特異な特徴に合わせて調整された、LLMベースの大型言語モデルである。 ChatT2はメンター、実行者、評価者で構成される自律型マルチエージェントフレームワーク内で開発された。
• 参考スコア（独自算出の注目度）: 13.503569071207265
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scientific investigations into microbial natural products (NPs) present significant challenges for novices, largely due to the complexity of microbial systems, biochemical diversity, technical skill requirements, and the demands of bioinformatics and data analysis processes. To address these issues, we introduce ChatT2, a large language model (LLM)-based agent that is specifically tailored to the unique characteristics of bacterial type II polyketides. These polyketides form a structurally distinct and therapeutically important NP family. ChatT2 was developed within an autonomous multiagent framework composed of a mentor, an executor, and an evaluator, each with defined responsibilities. The mentor acts as an intermediary between ChatT2 and the user, utilizing chain-of-thought prompting to refine the intent of the user. Under the guidance of the mentor, the executor synthesizes multimodal information via retrieval-augmented generation techniques and seamlessly integrates bioinformatics and cheminformatics tools. The evaluator ultimately assesses the output of the executor to ensure the richness and accuracy of the retrieved information. Our research highlights how ChatT2, designed with this multiagent framework, addresses the challenges faced by general LLMs in terms of understanding limited, specialized corpora and complex biological information and provides both experts and novices with a valuable tool for exploring various NPs of interest. The ChatT2 webserver can be accessed at https://chatt2.site/#/chat.
• Abstract（参考訳）: 微生物天然物(NP)に関する科学的研究は、主に微生物系の複雑さ、生化学的多様性、技術的スキル要件、バイオインフォマティクスとデータ分析プロセスの要求など、初心者にとって重大な課題を提起している。 これらの問題に対処するために,細菌II型ポリケチドの特異な特徴に特異的に適合した大型言語モデル(LLM)ベースのエージェントであるChatT2を紹介する。 これらのポリケチドは構造的に異なり、治療的に重要なNPファミリーを形成する。 ChatT2はメンター、実行者、評価者で構成される自律型マルチエージェントフレームワークで開発された。 メンターはChatT2とユーザの間の仲介役として機能し、ユーザの意図を洗練させるチェーン・オブ・シントを利用する。 メンターの指導のもと、エグゼキュータは検索強化生成技術を介してマルチモーダル情報を合成し、バイオインフォマティクスとケミノフォマティクスツールをシームレスに統合する。 評価者は最終的にエグゼキュータの出力を評価し、検索した情報の豊かさと正確さを保証する。 このマルチエージェントフレームワークで設計されたChatT2は、限定的で専門化されたコーパスと複雑な生物学的情報の理解の観点から、一般のLLMが直面する課題に対処し、専門家と初心者の両方に、さまざまなNPを探索するための貴重なツールを提供する。 ChatT2 Webサーバはhttps://chatt2.site/#/chatでアクセスできる。

関連論文リスト

• ClinAgent: A ReAct-Based Agent for Conversational Access to Clinical Trial Information [0.48861336570452174]
  我々はエージェント検索強化生成(RAG)に基づく会話システムClinAgentを紹介する。 このシステムはReActパラダイムに従うLarge Language Model (LLM)エージェントを中心とし、クエリに対して反復的に理由付けを行う。 作業効率,計画品質,ツール使用効率,専門家の質的判断を3段階の枠組みで評価した。
  論文  参考訳（メタデータ） (2026-09-12T10:25:35Z)
• PRInTS: Reward Modeling for Long-Horizon Information Seeking [74.14496236655911]
  PRInTS(PRInTS)は、二重機能で訓練された生成型PRMである。 PRInTSは,オープンソースモデルと特殊エージェントの情報検索能力を向上させる。
  論文  参考訳（メタデータ） (2025-11-24T17:09:43Z)
• MedResearcher-R1: Expert-Level Medical Deep Researcher via A Knowledge-Informed Trajectory Synthesis Framework [24.399778346443757]
  汎用的なディープリサーチエージェントは、主要なプロプライエタリなシステムによって証明されているように、医療領域の課題に苦しむ。 2つのコアイノベーションを通じてこれらの課題に対処する医療深層研究エージェントを提示する。 本手法は12の専門分野にまたがる2100以上の多様な軌道を生成し,それぞれが平均4.2のツールインタラクションを発生させる。
  論文  参考訳（メタデータ） (2025-08-20T17:51:20Z)
• WebWatcher: Breaking New Frontier of Vision-Language Deep Research Agent [68.3311163530321]
  Deep ResearchのようなWebエージェントは認知能力を示しており、高度に難解な情報検索問題を解決することができる。 このようなエージェントは知覚、論理、知識においてより強力な推論能力を必要とするため、マルチモーダルディープリサーチは非常に困難である。 本稿では,視覚言語推論機能を備えた多モードディープリサーチエージェントであるWebWatcherを紹介する。
  論文  参考訳（メタデータ） (2025-08-07T18:03:50Z)
• AgentMaster: A Multi-Agent Conversational Framework Using A2A and MCP Protocols for Multimodal Information Retrieval and Analysis [0.0]
  本稿では,A2AとMPPを自己実装した新しいモジュール型マルチプロトコールMASフレームワークであるAgentMasterの試験的検討を行う。 このシステムは、先行技術知識のない自然言語インタラクションをサポートし、情報検索、質問応答、画像解析を含むタスクに対するマルチモーダルクエリに応答する。 全体として、提案するフレームワークは、MASを利用したドメイン固有、協調的、スケーラブルな対話型AIの可能性に寄与する。
  論文  参考訳（メタデータ） (2025-07-08T03:34:26Z)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)
• Boost, Disentangle, and Customize: A Robust System2-to-System1 Pipeline for Code Generation [58.799397354312596]
  大規模言語モデル(LLM)は、様々な領域、特にシステム1タスクにおいて顕著な機能を示した。 System2-to-System1法に関する最近の研究が急増し、推論時間計算によるシステム2の推論知識が探索された。 本稿では,システム2タスクの代表的タスクであるコード生成に注目し,主な課題を2つ挙げる。
  論文  参考訳（メタデータ） (2025-02-18T03:20:50Z)

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。