論文の概要: Autonomous Research Project Management as an Agent Skill: A Case Study in Exact Spectral Spatial Regression

• arxiv url: http://arxiv.org/abs/2609.31683v1
• Date: Wed, 16 Sep 2026 13:37:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 13:51:48.645733
• Title: Autonomous Research Project Management as an Agent Skill: A Case Study in Exact Spectral Spatial Regression
• Title（参考訳）: エージェントスキルとしての自律型研究プロジェクトマネジメント : 特定スペクトル空間回帰を事例として
• Abstract要約: 本研究は,コンシューマハードウェア上でエージェントスキルが行う自律機械学習研究のエンドツーエンドのデモンストレーションを示す。 2005年のNOAA Kaplan SST v2 異常場を36倍72$グリッドで解析し,FFTに基づく正規空間格子に対するカーネルリッジ回帰解法の評価を行った。
• 参考スコア（独自算出の注目度）: 43.29822742434391
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work presents an end-to-end demonstration of autonomous machine learning research conducted by an agent skill on consumer hardware. The demonstration evaluates an FFT-based Kernel Ridge Regression (KRR) solver for regular spatial grids using 2005 monthly NOAA Kaplan SST v2 anomaly fields on a $36 \times 72$ grid. This was autonomously executed by DeepSeek V4 Flash, orchestrated by our agent skill suite within DeepSeek Harness (DSH). Experiments were executed on CPU-only hardware (Apple M2 Pro; 78.7 s solver time, 1.57 GB peak RSS). Long-horizon state was decoupled into a file-based epic- and issue-tracking substrate. Across 74 sub-agent sessions, the agent demonstrated closed-loop scientific resilience: routing two failed hypothesis review gates back to literature retrieval, patching bootstrap indexing bugs, and executing with only four discrete human steering events. Finally, we reflect on autonomous research governance, arguing that scientific credibility requires inspectable state, falsifiable review gates, and transparent reporting of negative results, urging the machine learning community to favour agent-accessible structured formats over static PDF manuscripts.
• Abstract（参考訳）: 本研究は,コンシューマハードウェア上でエージェントスキルが行う自律機械学習研究のエンドツーエンドのデモンストレーションを示す。 2005年のNOAA Kaplan SST v2 anomaly field on a $36 \times 72$ grid を用いて、通常の空間格子に対して FFT ベースの Kernel Ridge Regression (KRR) 問題を評価した。 これはDeepSeek V4 Flashによって自律的に実行され、DSH(DeepSeek Harness)内のエージェントスキルスイートによってオーケストレーションされました。 CPU専用ハードウェア(Apple M2 Pro、78.7秒、ピークRSS 1.57GB)で実験が行われた。 ロングホライゾン状態はファイルベースエピックおよびイシュートラッキング基板に分離された。 74のサブエージェントセッションで、エージェントはクローズドループの科学的レジリエンスを実証した。2つの失敗した仮説レビューゲートを文学検索にルーティングし、ブートストラップのインデックス化バグをパッチし、4つの個別の人間のステアリングイベントを実行した。 最後に、我々は自律的な研究ガバナンスを反映し、科学的信頼性には検査可能な状態、偽確認ゲート、ネガティブな結果の透過的な報告が必要であると主張し、静的なPDF原稿よりもエージェントアクセス可能な構造化フォーマットを機械学習コミュニティに推奨する。

関連論文リスト

• Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence [86.61561123749011]
  Apodex Discovery(アポデックスディスカバリー)は、重度解法を用いて発見的AIを構築し評価するためのフレームワークである。 まず16のセクターで511の業界を調査し、423の高価値現実問題を集め、最初のリリースで20を選定した。 第二に、共通の環境-タスク-エピソード抽象化は、データ、ツール、制約、フィードバック、軌跡記録、中間成果物と最終提出物の検証を提供する。
  論文  参考訳（メタデータ） (2026-08-11T18:48:40Z)
• AutoResearchClaw: Self-Reinforcing Autonomous Research with Human-AI Collaboration [175.74514061083195]
  提案するAutoResearchClawは,5つのメカニズムに基づいて構築されたマルチエージェント自律型研究パイプラインである。 25トピックの実験ステージベンチマークであるARC-Benchでは、AutoResearchClawがAI Scientist v2を54.7%上回っている。
  論文  参考訳（メタデータ） (2026-05-19T15:49:51Z)
• AI CFD Scientist: Toward Open-Ended Computational Fluid Dynamics Discovery with Physics-Aware AI Agents [1.7590081165362783]
  我々は、計算流体力学のためのオープンソースのAI科学者であるAI CFD Scientistを紹介する。 文献に基づくアイデア、検証された実行、視覚に基づく物理検証、ソースコードの修正、図形による記述を単一の検査可能なワークフローで行うのは、これが初めてである。
  論文  参考訳（メタデータ） (2026-05-07T17:27:23Z)
• Agent-Driven Autonomous Reinforcement Learning Research: Iterative Policy Improvement for Quadruped Locomotion [14.484745002483258]
  本稿では, エージェント駆動型自律強化学習研究における四足歩行のケーススタディについて述べる。 エージェントが実行ループの大部分を実行する間、人間はエージェントコーディング環境を通じて高レベルなディレクティブを提供した。 アイザック・ラボのDHAV1 12-DoFで、70以上の実験が14の波に編成され、初期の粗い地形の走行から7回ほどの平均的な報奨を得て、最高に記録された波動12回、exp063回、速度誤差0.263回と97%のタイムアウトを2000回以上行った。
  論文  参考訳（メタデータ） (2026-03-28T21:30:04Z)
• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• Adaptive Monitoring and Real-World Evaluation of Agentic AI Systems [3.215065407261898]
  大規模言語モデルと外部ツールを組み合わせたマルチエージェントシステムは、研究機関からハイテイクドメインへと急速に移行している。 この「先進的な」続編は、アルゴリズムのインスタンス化や経験的な証拠を提供することで、そのギャップを埋める。 AMDMは擬似ゴールドリフトで異常検出遅延を12.3秒から5.6秒に減らし、偽陽性率を4.5%から0.9%に下げる。
  論文  参考訳（メタデータ） (2025-08-28T15:52:49Z)

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。