論文の概要: Reinforcing Agentic Creativity in Scientific Ideation with Night Science

• arxiv url: http://arxiv.org/abs/2609.35706v1
• Date: Mon, 28 Sep 2026 17:43:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 19:32:28.795102
• Title: Reinforcing Agentic Creativity in Scientific Ideation with Night Science
• Title（参考訳）: ナイトサイエンスによる科学的観念におけるエージェント創造性の強化
• Abstract要約: 私たちはAI Night-Scientistを紹介します。AI Night-Scientistは、強化学習を使用して予測可能な推論からいつ、どのように出発するかをモデルに教えるエージェントフレームワークです。 これらの軸を使って、GRPOでモデルをトレーニングし、トレーニングを通じてさまざまな学位と創造性に公開しています。 結果は、創造性は学習可能でマルチレベルな能力であり、研究者が通常探索される以上のアイデアに到達するのに役立つことを示唆している。
• 参考スコア（独自算出の注目度）: 21.114049349371523
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) excel at structured, verifiable tasks, but their low-entropy bias can produce homogeneous and predictable outputs, limiting their utility for open-ended scientific ideation. Effective discovery, however, spans a broader creative spectrum: from structured day science to loosely structured, serendipitous night science that reaches ideas beyond those typically considered. We introduce AI Night-Scientist, an agentic framework that uses reinforcement learning to teach models when and how to depart from predictable reasoning. Grounded in cognitive science, we model creativity along three axes: action (what to do and how creatively), process (when to explore versus exploit), and outcome (the novelty and usefulness of the resulting idea). We use these axes to train models with GRPO, exposing them to varying degrees and forms of creativity throughout training. This produces substantially more diverse scientific proposals, expanding the range of research directions by 27.8% and contribution types by 14.9% over the base model. It also improves predicted citation impact by up to 32.0 percentage points and originality by 66.2 points. These gains cannot be reproduced by simply increasing decoding temperature; instead, we find that semantic guidance specifying what kind of creativity to pursue is critical. Overall, our results suggest that creativity is a learnable, multi-level ability that can be shaped to help researchers reach ideas beyond those typically explored by LLMs.
• Abstract（参考訳）: 大規模言語モデル (LLMs) は構造化された検証可能なタスクで優れるが、その低エントロピーバイアスは均質で予測可能な出力を生み出すことができ、オープンエンドの科学的概念に対する有用性を制限している。 しかし、効果的な発見は、構造化された昼の科学からゆるやかに構造化された夜の科学まで幅広い創造的なスペクトルにまたがっている。 私たちはAI Night-Scientistを紹介します。AI Night-Scientistは、強化学習を使用して予測可能な推論からいつ、どのように出発するかをモデルに教えるエージェントフレームワークです。 認知科学を基礎として、私たちは3つの軸に沿って創造性をモデル化します。行動(何をし、どのように創造的に行うか)、プロセス(探索か搾取か)、結果(結果のアイデアの斬新さと有用性)です。 これらの軸を使って、GRPOでモデルをトレーニングし、トレーニングを通じてさまざまな学位と創造性に公開しています。 これにより、より多様な科学的提案が生まれ、研究方向の範囲を27.8%、貢献タイプを14.9%拡大する。 また、予測される引用の影響を最大32.0ポイント、独創性も66.2ポイント改善する。 これらの利得は、単に復号温度を上昇させるだけでは再現できない。 全体として、我々の研究結果は、創造性は学習可能で多段階的な能力であり、研究者が通常LLMによって探索されるアイデア以上のものに到達するのに役立つことを示唆している。

関連論文リスト

• AgentIdeaBench: Benchmarking Scientific Ideation in the Agent Era [55.37558486468993]
  AgentIdeaBenchは、静的観測とアクティブ探索という2つの一致した条件下で科学的思考を評価するベンチマークである。 5つの分野にまたがる40の高密度サブフィールドにおける33個のLDMの静的アクティブ評価を一致させた。 アクティブな探索により、ヘッドルームの能力は大幅に向上し、ヘッドルームはモデル間で不均一に分散される。
  論文  参考訳（メタデータ） (2026-09-07T15:19:13Z)
• CreativeInstruct: Scalably Teaching LLMs to Balance Quality, Creativity, and Diversity [67.74087963315213]
  CreativeInstructは、大規模言語モデルに、創造的なベースモデルのような世代と、ポストトレーニング後のモデルの質のバランスをとるように教えるインストラクションチューニング手法である。 我々は,CreativeInstructが多モデルベースラインの多様性と,その出力の蒸留変種の両方に適合しているか,あるいは超越しているかを示す。 GRPOをCreative Instructチェックポイントに適用すると、AMCでは4%、MATHでは5%改善する。
  論文  参考訳（メタデータ） (2026-08-07T17:55:48Z)
• LLM Jaggedness Unlocks Scientific Creativity [0.23051777929746634]
  SciAidanBenchは、大規模言語モデルの科学的創造性を測定するために、オープンな科学的質問のベンチマークである。 ジャグネスはモデル全体とモデル内の両方に現れます。 このジャグネスは科学的創造性を増幅するために有効であることを示す。
  論文  参考訳（メタデータ） (2026-05-11T13:47:48Z)
• Large Language Models for Scientific Idea Generation: A Creativity-Centered Survey [14.135916464098317]
  大型言語モデル (LLMs) は科学的アイデアの有望な生成元として登場した。 この調査は、科学的健全性による創造性へのアプローチの違いについて調査する。
  論文  参考訳（メタデータ） (2025-11-05T07:50:43Z)
• CreativityPrism: A Holistic Benchmark for Large Language Model Creativity [64.18257552903151]
  創造性はしばしば人間の知能の目印と見なされる。 さまざまなシナリオにまたがってクリエイティビティを評価するための総合的なフレームワークはまだ存在しません。 本稿では,創造性を質,新規性,多様性の3次元に分解する評価分析フレームワークであるCreativePrismを提案する。
  論文  参考訳（メタデータ） (2025-10-23T00:22:10Z)
• Autonomous Agents for Scientific Discovery: Orchestrating Scientists, Language, Code, and Physics [82.55776608452017]
  大規模言語モデル(LLM)は、人間の科学者、自然言語、コンピュータ言語とコード、物理学との相互作用を編成する柔軟性と汎用性を備えたフレームワークを提供する。 本稿では, LLMを基盤とした科学エージェントの展望と展望と, 科学発見のライフサイクルを変革する上でのその役割について述べる。 オープンな研究課題を特定し、より堅牢で汎用的で適応的な科学エージェントを構築するための有望な方向性を概説する。
  論文  参考訳（メタデータ） (2025-10-10T22:26:26Z)
• Cooking Up Creativity: Enhancing LLM Creativity through Structured Recombination [46.79423188943526]
  本稿では,LLM(Large Language Models)の創造性を高める新しいアプローチを提案する。 自然言語と構造化表現の翻訳にLLMを適用し,その中心となる創造的飛躍を行う。 我々は、創造的なレシピを生成するモデルであるDishCOVERを用いて、料理分野における我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2025-04-29T11:13:06Z)
• LiveIdeaBench: Evaluating LLMs' Divergent Thinking for Scientific Idea Generation with Minimal Context [13.967898012303325]
  我々は,Large Language Modelsの科学的アイデア生成を評価するベンチマークであるLiveIdeaBenchを紹介する。 我々のベンチマークでは、最先端のLCMのダイナミックパネルを用いて、創発性、実現性、流布性、柔軟性、明快さの5つの重要な側面で生成されたアイデアを評価する。 我々の結果は、QwQ-32B-previewのようなモデルが、一般的な知能スコアに大きな差があるにもかかわらず、claude-3.7-sonnet:thinkingのような上位モデルのモデルに匹敵する創造的なパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2024-12-23T14:13:44Z)
• LLM and Simulation as Bilevel Optimizers: A New Paradigm to Advance Physical Scientific Discovery [141.39722070734737]
  本稿では,大規模言語モデルの知識駆動型抽象推論能力をシミュレーションの計算力で強化することを提案する。 本稿では,2段階最適化フレームワークであるSGA(Scientific Generative Agent)を紹介する。 法発見と分子設計における枠組みの有効性を実証するための実験を行った。
  論文  参考訳（メタデータ） (2024-05-16T03:04:10Z)

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。