論文の概要: Research with AI Agents: How Agentic Systems Are Changing Scientific Work

• arxiv url: http://arxiv.org/abs/2609.31219v1
• Date: Fri, 25 Sep 2026 13:01:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.400244
• Title: Research with AI Agents: How Agentic Systems Are Changing Scientific Work
• Title（参考訳）: AIエージェントによる研究 - エージェントシステムが科学的作業を変える方法
• Abstract要約: エージェントAIシステムは、文学検索、データ分析、プログラミングなどのタスクをサブタスクに分離する。 これにより、デジタルリサーチタスクを高速に実行することができる。
• 参考スコア（独自算出の注目度）: 0.3802675998752554
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Background. Agentic AI systems independently decompose tasks such as literature search, data analysis, and programming into subtasks, search the web, access databases, and execute code. This allows them to perform digital research tasks at high speed. Objectives. Under what conditions does the use of agentic systems produce reliable efficiency gains, and which tasks remain with researchers? Materials and methods. Summary of current studies on literature searches, data analysis, software development, and clinical decision support. Results. For digital activities, work shifts from execution to steering and review. Efficiency gains are greatest when expected behavior can be formalized in advance and tested automatically. In complex agentic systems, recorded sequences of reasoning steps and tool calls can quickly become too extensive for human review. Furthermore, explanations generated by the model do not reliably reflect how an output was produced. One possible step toward more reliable systems is the validation of individual components. The limited reviewability extends beyond research itself; the review of scientific articles and grant proposals is also reaching capacity limits. In pathology, curated and annotated data, researchers' own analytical skills, and institutional exchange of experience are becoming increasingly important. Conclusions. Researchers remain responsible for their results. They must determine what to delegate and how to review the results. The importance of a research question to patients, the field, and society cannot be fully assessed using formalized criteria and remains a matter of expert judgment. Agentic systems can free up time for this.
• Abstract（参考訳）: 背景。 エージェントAIシステムは、文学検索、データ分析、プログラミングなどのタスクをサブタスクに分解し、ウェブを検索し、データベースにアクセスし、コードを実行する。 これにより、デジタルリサーチタスクを高速に実行することができる。 目的。 エージェントシステムの使用は、どの条件下で信頼性の高い効率向上をもたらし、どのタスクが研究者に残されているのか? 材料と方法。 文献検索、データ分析、ソフトウェア開発、臨床意思決定支援に関する最近の研究の概要 結果。 デジタルアクティビティでは、作業は実行からステアリング、レビューへとシフトする。 期待された振る舞いが事前に形式化され、自動的にテストされる場合、効率性の向上は最大である。 複雑なエージェントシステムでは、推論ステップとツールコールの記録されたシーケンスが、すぐに人間のレビューには広すぎる。 さらに、モデルによって生成された説明は、どのように出力が生成されたかを確実に反映していない。 より信頼性の高いシステムへの1つのステップは、個々のコンポーネントの検証である。 限定的なレビュー性は研究そのものを超えて拡張され、科学論文のレビューや提案も限界に達している。 病理学、キュレートおよび注釈付きデータ、研究者自身の分析技術、制度的な経験の交換がますます重要になっている。 結論。 研究者は結果に責任を負う。 彼らは何を委譲するか、結果をどうレビューするかを判断しなければならない。 患者、分野、社会に対する研究課題の重要性は、形式化された基準で完全に評価することはできず、専門家による判断の問題のままである。 エージェントシステムは、そのための時間を解放することができる。

関連論文リスト

• BrainPilot: Automating Brain Discovery with Agentic Research [27.57098883420861]
  textbfBrainPilotは、トレース可能なログとエージェント検証結果を用いて、脳科学研究を加速するオープンソースのマルチエージェントシステムである。 プリンシパル・リサーチ・エージェント(PI)は、キュレートされたドメイン知識に根ざした専門家をコーディネートする。 主要なステップはすべて、サブゴール、ツールの使用、エビデンス、クレームをリンクする監査可能なレコードであるGraph of Traceに記録されている。
  論文  参考訳（メタデータ） (2026-07-16T14:49:25Z)
• Benchmarking AI Agents for Addressing Scientific Challenges Across Scales [118.2204632627895]
  SciAgentArenaは、現実世界の科学研究シナリオでAIエージェントを評価するための体系的なベンチマークである。 ステップワイズ検証を備えた約200のタスクと、多様なAIエージェントを評価するためのインタラクティブでエージェントに依存しない環境で構成される。 タスク構造や評価基準が明確である場合, 現状のエージェントはデータ分析に効果的に貢献できることがわかった。
  論文  参考訳（メタデータ） (2026-06-10T22:55:30Z)
• AutoResearch AI: Towards AI-Powered Research Automation for Scientific Discovery [184.2309450554096]
  AutoResearchはAIを活用した科学ワークフロー自動化の開発スペクトルとして定義されている。 我々は、研究システムが制御、エビデンス、実行、検証、説明責任を再分配し、その分野を組織化する方法について分析する。 本稿では,5つの評価次元 – ノベルティ,インパクト,信頼性,証明 – を提案し,AutoResearchの自律性はドメイン条件であることを示す。
  論文  参考訳（メタデータ） (2026-05-22T03:40:30Z)
• AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
  研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。 我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。 障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
  論文  参考訳（メタデータ） (2026-05-18T17:08:26Z)
• The Story is Not the Science: Execution-Grounded Evaluation of Mechanistic Interpretability Research [56.80927148740585]
  我々は、動的に進化し、研究評価者としてAIエージェントを開発することで、スケーラビリティと厳密さの課題に対処する。 我々は,機械的解釈可能性の研究をテストベッドとして使用し,標準化された研究成果を構築し,MechEvalAgentを開発した。 我々の研究は、AIエージェントが研究評価を変革し、厳格な科学的実践の道を開く可能性を実証している。
  論文  参考訳（メタデータ） (2026-02-05T19:00:02Z)
• AstaBench: Rigorous Benchmarking of AI Agents with a Scientific Research Suite [75.58737079136942]
  本稿では,AstaBenchについて紹介する。AstaBenchは,科学的研究を行うためのエージェント能力の総合的な測定を行うスイートである。 私たちのスイートには、プロダクショングレードの検索ツールを備えた、最初の科学研究環境が付属しています。 22のエージェントクラスで57のエージェントを評価したところ,いくつかの興味深い結果が得られた。
  論文  参考訳（メタデータ） (2025-10-24T17:10:26Z)
• AI, Humans, and Data Science: Optimizing Roles Across Workflows and the Workforce [0.0]
  我々は、分析、生成、エージェントAIの可能性と限界を考慮し、データサイエンティストを増強したり、伝統的に人間のアナリストや研究者によってなされたタスクを引き受ける。 従来の調査分析が問題になったのは、統計ソフトウェアの使用が簡単になったことで、研究者が完全に理解できなかった分析を行えなくなった時だった。
  論文  参考訳（メタデータ） (2025-07-15T17:59:06Z)
• ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
  ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。 ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。 我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-11T13:36:29Z)

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。