論文の概要: Can LLM Agents Select and Engage with Biological Tools?

• arxiv url: http://arxiv.org/abs/2610.03853v1
• Date: Fri, 02 Oct 2026 17:04:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:46:18.343929
• Title: Can LLM Agents Select and Engage with Biological Tools?
• Title（参考訳）: LLMエージェントは生物学的ツールで選択可能か?
• Abstract要約: 大規模言語モデル(LLM)エージェントは、非専門家による悪用に対する障壁を省くことができる。 AIが生物兵器開発経路をどのように変えるかの評価は、LLMエージェントがBTとどのように相互作用するかを調べる必要がある。 BT との相互作用の初期段階における LLM エージェントの能力評価について述べる。
• 参考スコア（独自算出の注目度）: 0.29221691417926604
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Computational tools for biological research (biological tools, or BTs) are advancing rapidly in both quantity and demonstrated capability. While these technologies offer many benefits for scientific advancement, malicious actors may seek to exploit them to design and develop biological weapons (BWs). Generally, BTs require specialized expertise to operate successfully, presenting a barrier to nefarious use by nonexperts. Large language model (LLM) Agents may erode this barrier by enabling actors with limited domain expertise to successfully use BTs. Assessments of how AI could change bioweapons development pathways should examine how LLM Agents interact with BTs on relevant biological design tasks, but such assessments are limited. In this report, we present an assessment of the abilities of LLM Agents in the early stages of interaction with BTs. First, we evaluate seven frontier LLM Agents on their ability to select appropriate BTs for a given task. Second, we assess how these LLM Agents engage with two BTs, EVEscape and ESM3, through targeted case studies. These case studies probe the enabling capabilities required for autonomous BT operation, a potential entry point to a wide range of risk pathways. We identify and assess technical barriers at the intersection of LLM Agents and BTs, offering the biosecurity community and AI developers a foundation for further risk and capability assessments as technologies progress.
• Abstract（参考訳）: 生物研究のための計算ツール(生物ツール、BT)は、量的にも能力的にも急速に進歩している。 これらの技術は科学的進歩に多くの利益をもたらすが、悪意あるアクターはそれらを活用して生物兵器(BW)を設計・開発しようとするかもしれない。 一般に、BTは運用に特別な専門知識を必要とし、非専門家による悪用に対する障壁を提示する。 大きな言語モデル(LLM)エージェントは、限られたドメインの専門知識を持つアクターがBTをうまく使用できるようにすることで、この障壁を解消することができる。 AIが生物兵器開発経路をどのように変えるかの評価は、LLMエージェントが関連する生物学的デザインタスクにおいてBTとどのように相互作用するかを調べる必要があるが、そのような評価は限られている。 本報告では,BTとの相互作用の初期段階におけるLLMエージェントの能力評価について述べる。 まず、与えられたタスクに対して適切なBTを選択できる7つのフロンティアLSMエージェントを評価する。 第2に、これらのLSMエージェントがEVEscapeとESM3の2つのBTとどのように関係しているかを、ターゲットとしたケーススタディを通して評価する。 これらのケーススタディでは、自律型BT操作に必要な機能、幅広い危険経路へのエントリポイントを探索する。 LLM AgentsとBTsの交差点における技術的障壁を特定し評価し、バイオセキュリティコミュニティとAI開発者に対して、技術の進歩に伴ってさらなるリスクと能力評価の基盤を提供する。

関連論文リスト

• Testing Large Language Model Agents on the Use of Biological Tools for Nucleic Acid Synthesis Screening Evasion [0.30768531824000345]
  報告は、大規模言語モデル(LLM)駆動型人工知能(AI)エージェントがAI対応生物学的ツール(BT)と対話する能力をテストする以前の取り組みの継続である。 このタスクはAIエージェントの潜在的な能力を評価し、様々な生物学的誤用シナリオを防ぐために設計された、重要な初期防御層の破滅を可能にする。
  論文  参考訳（メタデータ） (2026-10-02T17:03:41Z)
• Advancing AI Research Assistants with Expert-Involved Learning [84.30323604785646]
  大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、生物医学的な発見を促進することを約束するが、その信頼性は未定である。 ARIEL(AI Research Assistant for Expert-in-the-Loop Learning)は,オープンソースの評価・最適化フレームワークである。 LMMは詳細な視覚的推論に苦しむのに対し、最先端のモデルでは流動性はあるが不完全な要約を生成する。
  論文  参考訳（メタデータ） (2025-05-03T14:21:48Z)
• How Well Can Modern LLMs Act as Agent Cores in Radiology Environments? [54.36730060680139]
  RadA-BenchPlatは、放射線学環境での大規模言語モデル(LLM)のパフォーマンスをベンチマークする評価プラットフォームである。 また、エージェント駆動型タスク解決ツールの10のカテゴリを定義し、7つの主要なLCMを評価している。
  論文  参考訳（メタデータ） (2024-12-12T18:20:16Z)
• BioDiscoveryAgent: An AI Agent for Designing Genetic Perturbation Experiments [112.25067497985447]
  そこで,BioDiscoveryAgentを紹介した。このエージェントは,新しい実験を設計し,その結果の理由を明らかにし,仮説空間を効率的にナビゲートし,望ましい解に到達させる。 BioDiscoveryAgentは、機械学習モデルをトレーニングすることなく、新しい実験を独自に設計することができる。 6つのデータセットで関連する遺伝的摂動を予測することで、平均21%の改善が達成されている。
  論文  参考訳（メタデータ） (2024-05-27T19:57:17Z)
• An Evaluation of Large Language Models in Bioinformatics Research [52.100233156012756]
  本研究では,大規模言語モデル(LLM)の性能について,バイオインフォマティクスの幅広い課題について検討する。 これらのタスクには、潜在的なコーディング領域の同定、遺伝子とタンパク質の命名されたエンティティの抽出、抗微生物および抗がんペプチドの検出、分子最適化、教育生物情報学問題の解決が含まれる。 以上の結果から, GPT 変種のような LLM がこれらのタスクの多くをうまく処理できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-21T11:27:31Z)
• A Survey on Large Language Model based Autonomous Agents [105.2509166861984]
  大規模言語モデル(LLM)は、人間レベルの知性を達成する上で、顕著な可能性を示している。 本稿では,LLMに基づく自律エージェントの分野を総合的な観点から体系的に検討する。 本稿では、社会科学、自然科学、工学の分野におけるLLMベースの自律エージェントの多様な応用について概観する。
  論文  参考訳（メタデータ） (2023-08-22T13:30:37Z)
• Artificial intelligence and biological misuse: Differentiating risks of language models and biological design tools [0.0]
  本稿では,大規模言語モデル(LLM)と生物設計ツール(BDT)の2種類のAIツールを区別する。
  論文  参考訳（メタデータ） (2023-06-24T12:48:49Z)

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。