Fugu-MT 論文翻訳(概要): AI Agent Swarms as Researchers: Progress, Challenges, and Open Questions

論文の概要: AI Agent Swarms as Researchers: Progress, Challenges, and Open Questions

arxiv url: http://arxiv.org/abs/2609.35719v1
Date: Mon, 28 Sep 2026 17:47:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-01 19:22:25.796714
Title: AI Agent Swarms as Researchers: Progress, Challenges, and Open Questions
Title（参考訳）: 研究者としてのAIエージェントSwarm - 進歩,課題,オープンな質問
Abstract要約: 私たちは、市販のコーディングエージェントの群れに、スコープの短いステートメントを与えました。数週間のうちに、エージェントは研究ノート、紙の長さの草稿、公式な証明を制作した。これまでのところ、大きな科学的誤りは見つからなかった。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Artificial intelligence (AI) agents, language models connected to tools and run in a loop, can now carry out long, multi-step tasks with little supervision. We gave swarms of off-the-shelf coding agents a short statement of scope, from a narrow topic to a whole field, access to the literature and to computing tools, and one standing instruction: make real, correct, useful progress, and do not stop. We supplied no scientific ideas. Within weeks, the agents produced a large body of research notes, paper-length drafts, and formal proofs in five areas of optimization theory and physical science, and proposed untested laboratory experiments in a sixth. We do not claim that all of it is correct or new, but it is not noise: in what we have checked so far, we found no major scientific error, and several results are proved in a proof assistant. The agents produced results faster than we could review them; we estimate that a full review would take us months. Together with two widely discussed 2026 results in mathematics obtained with swarms, our runs suggest that agents can already do a large part of routine theoretical research, at least in areas that we experimented with. This raises questions we cannot yet answer: how to trust results when review, not production, is the scarce resource; what credit and publication counts mean when the human input is a prompt, and why institutions would pay researchers rather than buy computing time; and how people can learn a field, add to what agents do, and stay in control of research they cannot keep up with. Research institutions are not ready: models improve faster than institutions change, so they should decide now how to respond as capabilities increase. We offer tentative positions, release the agents' unedited output as of 25 September 2026, and invite readers to repeat the experiment in their own fields.
Abstract（参考訳）: 人工知能(AI)エージェント、ツールに接続され、ループで実行される言語モデルにより、監督がほとんどない長期のマルチステップタスクが実行できるようになった。我々は、狭い話題から分野全体、文学やコンピュータツールへのアクセス、そして1つのスタンドアインストラクション:本当の、正しい、有用な進歩をし、止まらないことまで、たくさんの既成のコーディングエージェントにスコープの短いステートメントを与えた。科学的なアイデアは提供しなかった。数週間のうちに、エージェントは、最適化理論と物理科学の5分野において、大量の研究ノート、紙の長さのドラフト、公式な証明を作成し、未試験の実験を6回目で提案した。全て正しいか新しいかは問いませんが、ノイズではありません。これまでに確認したところでは、大きな科学的誤りは見つからず、いくつかの結果が証明助手で証明されています。エージェントは、レビューするよりも早く結果を生み出しました。 2026年にSwarmで得られた数学で広く議論された2つの結果と合わせて、我々はエージェントが、少なくとも我々が実験した領域において、日常的な理論研究の大部分をすでに行うことができることを示唆している。これは、レビュー時に成果を信頼する方法、生産ではなく成果を信頼する方法が不足しているリソースであること、人間の入力がプロンプトであるときにクレジットや出版物が何を意味するのか、なぜ機関がコンピューティング時間を買うよりも研究者にお金を支払うのか、そして人々がフィールドを学習し、何をエージェントに追加し、彼らが追随できない研究をコントロールできるのか、といった疑問を提起する。研究機関は準備が整っていない: モデルは制度の変更よりも早く改善する。我々は、暫定的な立場を提供し、2026年9月25日時点でエージェントの未編集の出力を解放し、読者に実験を自身のフィールドで繰り返すよう依頼する。

関連論文リスト

Can AI agents conduct open-ended AI research? Early evidence from two case studies [16.75408134467252]
エージェントがオープンエンドAI研究を実行できるかどうかの証拠は薄い。現在の評価では、オープンエンドの調査を除外する狭いタスクでテストエージェントをテストするか、あるいは盲目のピアレビューにAI生成論文を提出する。我々は、AI R&D自動化に向けた進歩を測定するための第3の方法を紹介します。
論文参考訳（メタデータ） (2026-07-29T17:57:19Z)
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)
Harnessing the Collective Intelligence of AI Agents in the Wild for New Discoveries [35.87396515951979]
EinsteinArenaは、オープンな分散研究と発見のためのエージェントネイティブプラットフォームである。 2026年5月時点で、EinsteinArenaのエージェントは、これまでの人間やAIソリューションよりも、12の最先端の結果を発見した。
論文参考訳（メタデータ） (2026-06-09T04:25:28Z)
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 Last Human-Written Paper: Agent-Native Research Artifacts [106.47848184955576]
本稿では,物語紙を機械処理可能な研究パッケージに置き換えるプロトコルであるAgent-Native Research Artifact(ARA)を紹介する。通常の開発において決定と終了をキャプチャするLive Research Manager、レガシPDFとリポジトリをARAに変換するARAコンパイラ、人間レビュアーが重要性、ノベルティ、味にフォーカスできるように客観的チェックを自動化するARAネイティブレビューシステムである。
論文参考訳（メタデータ） (2026-04-27T16:23:09Z)
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)
From Reproduction to Replication: Evaluating Research Agents with Progressive Code Masking [48.90371827091671]
AutoExperimentは、AIエージェントの機械学習実験の実装と実行能力を評価するベンチマークである。我々は最先端のエージェントを評価し、n$が増加するにつれて性能が急速に低下することを発見した。本研究は、長期コード生成、文脈検索、自律的な実験実行における重要な課題を浮き彫りにした。
論文参考訳（メタデータ） (2025-06-24T15:39:20Z)
Evaluating Sakana's AI Scientist: Bold Claims, Mixed Results, and a Promising Future? [20.188659973082643]
サカナは先日,AI Scientistを導入して,自律的に研究を行うこと,すなわち,私たちがARI(Artificial Research Intelligence)と呼ぶものを達成したことを示唆している,と主張している。 AI Scientistの評価は、重大な欠点を明らかにします。
論文参考訳（メタデータ） (2025-02-20T06:22:03Z)
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。