論文の概要: LabFactory: Building and Evaluating Executable AI Labs
- arxiv url: http://arxiv.org/abs/2609.28697v2
- Date: Tue, 29 Sep 2026 16:49:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:46.530188
- Title: LabFactory: Building and Evaluating Executable AI Labs
- Title（参考訳）: LabFactory: 実行可能なAIラボの構築と評価
- Abstract要約: AIビルダーは科学的なブリーフを実行可能なAIラボに変える。
別々のホストがホールドアウトされた入力でラボを実行し、参照ラベルはソルバの入力インターフェースの外側に保持される。
我々は6つの科学的課題カテゴリにまたがる10の選定された構成を文書化している。
- 参考スコア（独自算出の注目度）: 9.752545684199573
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Scientific tasks specify a desired capability, but realizing it often requires building a computational system tailored to the task---acquiring data, designing representations, training models, implementing tools, and deciding how they are used at inference. We present, a framework in which an AI builder turns a scientific brief into an executable AI lab: a task-specific solver that integrates models, knowledge resources, tools, and a controller behind a fixed interface. The builder develops and packages the lab in a metered workspace; a separate host then executes the delivered artifact on held-out inputs, with reference labels kept outside the solver's input interface, and scores its outputs under the task's protocol. This makes the delivered system, rather than the builder's account of its progress, the object of evaluation. We document 10 selected constructions across six scientific task categories---from molecular and genomic prediction to medical imaging, clinical decision support, and biomedical text---whose delivered labs exceeded their configured reference values on all 12 subtests under host-side execution. Four contain predictive models fitted during construction; the others assemble executable analysis environments, knowledge resources, and tool-driven workflows around a fixed platform LLM. Together they show that an AI agent can carry a scientific brief all the way to a working lab that can still be invoked, inspected, and checked after construction ends.
- Abstract（参考訳）: 科学的なタスクは望ましい能力を指定するが、それを実現するには、データを取得する、表現を設計する、モデルを訓練する、ツールを実装する、推論でどのように使用されるかを決定する、タスクに適した計算システムを構築する必要がある。
私たちは、AIビルダーが科学的なブリーフを実行可能なAIラボに変換するフレームワークを提示します。モデル、知識リソース、ツール、固定インターフェースの背後にあるコントローラを統合するタスク固有の解決器です。
ビルダーは実験室を計測されたワークスペースで開発・パッケージし、別のホストが完了した入力に対して成果物を実行し、参照ラベルはソルバの入力インターフェースの外側に保持され、タスクのプロトコルの下で出力をスコアする。
これにより、デリバリシステムは、ビルダーの進捗ではなく、評価の対象になります。
対象は, 分子・ゲノム予測から医用画像, 臨床診断支援, バイオメディカルテキストに至るまで, ホスト側で実施した12のサブテストにおいて, 設定された基準値を上回った10件である。
4つは、建設中に適合する予測モデルを含み、もう1つは、実行可能な分析環境、知識リソース、固定されたプラットフォーム LLM 周辺のツール駆動ワークフローを組み立てる。
同時に、AIエージェントが科学的なブリーフィングを実験室に運ぶことができ、それがまだ実行され、検査され、建設終了後にチェックできることを示している。
関連論文リスト
- 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) - 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) - LabVLA: Grounding Vision-Language-Action Models in Scientific Laboratories [95.20367571157679]
Vision-Language-Action (VLA) モデルは、記述されたプロトコルとロボット実行の間の1つの可能なインターフェースを提供する。
既存の政策は、主に家庭やテーブルトップのデモンストレーションに基づいて訓練されており、機器、透明な液体、または科学実験室で見られる固定されたプロトコルに遭遇することは滅多にない。
まず、Qwen3-VL-4B-インストラクションバックボーンアクションを学習する前に認識させ、フローマッチング後トレーニングを行い、次に知識絶縁下でDiTアクションエキスパートをアタッチする。
論文 参考訳（メタデータ） (2026-06-11T17:03:53Z) - From Prompts to Protocols: An AI Agent for Laboratory Automation [1.9609766210591626]
大規模な言語モデルと実験室オーケストレーションを統合したAIエージェントアーキテクチャを提案する。
AIエージェントは、自動検証とエラー訂正を備えたエージェントループの下で動作する。
プロトコルの作成、両方のプロトコルの実行と監視、クローズドループ最適化キャンペーンなど、完全な実験ライフサイクルをサポートする。
論文 参考訳（メタデータ） (2026-05-15T18:52:41Z) - Experiment-as-Code Labs: A Declarative Stack for AI-Driven Scientific Discovery [16.75156456478123]
我々はExperiment-as-Code (EaC) Labs'と呼ばれる新しいパラダイムを提案する。
EaC Labsは、実験をデバイスレベルのAPIにコンパイル可能な宣言型構成としてエンコードする。
これは、科学、実験室、楽器に依存しない一般的なスタックです。
論文 参考訳（メタデータ） (2026-05-06T00:50:34Z) - LabBuilder: Protocol-Grounded 3D Layout Generation for Interactable and Safe Laboratory [93.63620478256063]
本稿では,簡潔なテキスト仕様から3次元実験室レイアウトを生成し検証するエンドツーエンドシステムであるLabBuilderを提案する。
LabBuilderは、既存の最先端メソッドを大きく上回っている。
論文 参考訳（メタデータ） (2026-05-04T07:24:56Z) - Bohrium + SciMaster: Building the Infrastructure and Ecosystem for Agentic Science at Scale [82.20980951765891]
エージェントサイエンスのスケーリングにはインフラストラクチャ・アンド・エコシステムアプローチが必要である,と我々は主張する。
BohriumはAI4S資産のマネージドでトレース可能なハブとして機能し、多様な科学データ、ソフトウェア、計算、実験室のシステムをエージェント対応の能力に変換する。
SciMasterはこれらの機能を長い水平科学に編成し、科学エージェントを合成して実行することができる。
論文 参考訳（メタデータ） (2025-12-23T16:04:41Z) - AGAPI-Agents: An Open-Access Agentic AI Platform for Accelerated Materials Design on AtomGPT.org [0.8093011368737527]
AGAPI(AtomGPT.org API)は、8以上のオープンソースと20以上のマテリアルサイエンスAPIエンドポイントを統合するオープンアクセスエージェントAIプラットフォームである。
我々は、ヘテロ構造の構築、粉末X線回折分析、半導体欠陥工学を含む、エンドツーエンドの構築を通してAGAPIを実証する。
1000人以上のアクティブユーザを抱えるAGAPIは、再現可能でAIが加速する材料発見のための、スケーラブルで透明な基盤を提供する。
論文 参考訳（メタデータ） (2025-12-12T06:28:28Z)
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。