論文の概要: IdeaScientist: Orchestrating Agents for Grounded Scientific Ideation
- arxiv url: http://arxiv.org/abs/2610.04074v1
- Date: Fri, 02 Oct 2026 21:35:55 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-06 21:30:24.833327
- Title: IdeaScientist: Orchestrating Agents for Grounded Scientific Ideation
- Title（参考訳）: イデオロギー研究者 : グラウンドド・サイエント・イデオロギーのためのオーケストレーション・エージェント
- Abstract要約: 本稿では,イデオロギーをギャップ発見,イノベーション,レポート作成に分解し,各役割を強化学習で訓練するIdeanScientistを紹介する。
これらの役割は、関連する作業の限界を特定し、類似した問題設定から解の直観を引き出し、それらの直観を完全な研究提案へと発展させる。
ドメイン間の洞察の発見を容易にするため、検索、トレーニング、時間的に制御された評価のための277万の研究思想のコーパスであるSvalbard Idea Vaultを構築した。
- 参考スコア（独自算出の注目度）: 53.38412637382984
- License:
- Abstract: Despite rapid progress in automating scientific research, generating promising and well grounded research solutions remains a central challenge. We isolate research ideation as a standalone task and build our solution on the intuition that a challenge in one field can often be addressed by a mechanism that solved an analogous challenge in another. Accordingly, we introduce IdeaScientist, which decomposes ideation into gap finding, innovation, and report writing, and trains each role with reinforcement learning. These roles identify limitations in related work, draw solution intuitions from analogous problem settings, and develop those intuitions into complete research proposals. To facilitate discovery of insights across domains, we construct the Svalbard Idea Vault, a corpus of 2.77M decomposed research ideas for retrieval, training, and temporally controlled evaluation. Our evaluation restricts access to literature available before a cutoff date and assesses how closely proposed directions align with those later explored in 15K papers authored by human researchers. On Qwen3.6-27B, IdeaScientist outperforms the strongest open-source autoresearch baseline by 14.0%, driven mainly by gains in novelty. On this 27B open backbone, IdeaScientist even outperforms Claude Code SDK with Claude-4.8-Opus and Codex SDK with GPT-5.4, by up to 5.9%.
- Abstract（参考訳）: 科学研究の自動化の急速な進歩にもかかわらず、有望でしっかりとした研究ソリューションを生み出すことは、依然として中心的な課題である。
我々は研究思想を独立したタスクとして分離し、ある分野における課題を、別の分野における類似の課題を解決するメカニズムによって解決できるという直感に基づいてソリューションを構築する。
そこで、IdeanScientistを導入し、アイデアをギャップ発見、イノベーション、レポート作成に分解し、強化学習で各役割を訓練する。
これらの役割は、関連する作業の限界を特定し、類似した問題設定から解の直観を引き出し、それらの直観を完全な研究提案へと発展させる。
ドメイン間の洞察の発見を容易にするため、我々は2.77Mの分割された研究アイデアのコーパスであるSvalbard Idea Vaultを構築し、検索、トレーニング、時間的に制御された評価を行う。
我々の評価は、カットオフ前に利用できる文献へのアクセスを制限し、その後の15K論文で研究された文献とどのように密接に一致しているかを評価する。
Qwen3.6-27B では、IdeanScientist が最強のオープンソースオート検索ベースラインを14.0%上回っている。
27B のオープンバックボーンでは、IdeanScientist が Claude Code SDK を Claude-4.8-Opus で、Codex SDK を GPT-5.4 で、最大5.9% で上回っている。
関連論文リスト
- ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New Research [142.20765121870303]
我々はScholarCatalystを構築し、207のコンピュータサイエンス論文の184人のリード著者に、候補者がプロジェクトを進めたか、あるいは前進させたかのラベルを付ける。
最初の研究課題として,プロジェクト開始時に利用可能な文献のみから,これらの論文を検索する。
クロード・ファブル 5.1 上に作られたエージェントでさえ、訓練中に完成した書類を見たかもしれないが、わずか 0.51 R@20 である。
論文 参考訳（メタデータ） (2026-10-01T17:59:47Z) - Personalized Auto-Research: Towards a True AI Co-Scientist [90.01790420664169]
研究目標を考えると、最先端のシステムは研究者に依存しないままである。
小説、価値、実現可能なものは研究者によって異なる。
本稿では,検索,仮説探索,実験,執筆,レビューを通じて,グラフグラウンドの研究者コンテキストをスレッド化するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-14T20:43:27Z) - ResearchClawBench: A Benchmark for End-to-End Autonomous Scientific Research [142.29356526274387]
我々は自律的な科学的研究を評価するためのベンチマークであるResearchClawBenchを紹介する。
各タスクは、実際の論文に基づき、関連する文献や生データを提供し、評価中に対象の論文を隠蔽する。
論文 参考訳（メタデータ） (2026-05-28T16:27:40Z) - SciResearcher: Scaling Deep Research Agents for Frontier Scientific Reasoning [54.194672921128785]
我々は、フロンティア科学データ構築のための完全に自動化されたエージェントフレームワークであるSciResearcherを紹介する。
SciResearcherは、学術的証拠に基づく様々な概念的および計算的なタスクを合成する。
我々は,HLE-Bio/Chem-Goldベンチマークで19.46%を達成できるエージェント基盤モデルであるSciResearcher-8Bを開発した。
論文 参考訳（メタデータ） (2026-05-02T15:26:45Z) - AutoResearchBench: Benchmarking AI Agents on Complex Scientific Literature Discovery [55.70879973230979]
AutoResearchBenchは、自律的な科学文献発見のためのベンチマークである。
エージェントWebブラウジングに関する以前のベンチマークと比較すると、AutoResearchBenchは研究指向である。
最も強力なLCMでさえ、BrowseCompのような一般的なエージェントによるWebブラウジングベンチマークをほとんど征服したにもかかわらず、Deep Researchでは9.39%、Wide Researchでは9.31%の精度しか達成していない。
論文 参考訳（メタデータ） (2026-04-28T06:05:17Z) - Rethinking the AI Scientist: Interactive Multi-Agent Workflows for Scientific Discovery [0.17341675932416767]
本稿では,数分で測定したターンアラウンド時間を用いて,インタラクティブな科学的調査を可能にするマルチエージェントシステムであるDeep Researchを紹介する。
このアーキテクチャは、永続的な世界状態を通じて統合された計画、データ分析、文献検索、新規性検出のための特殊なエージェントから構成される。
BixBenchの計算生物学ベンチマークによる評価は、最先端のパフォーマンスを示し、オープンレスポンスでは48.8%、マルチチョイス評価では64.4%の精度を達成した。
論文 参考訳（メタデータ） (2026-01-18T19:12:41Z)
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。