論文の概要: Toward a Locally Deployable Agentic Co-Scientist: Small-Model Planning for Early-Stage Drug Discovery

• arxiv url: http://arxiv.org/abs/2610.04740v1
• Date: Sat, 03 Oct 2026 20:09:34 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 21:03:09.23404
• Title: Toward a Locally Deployable Agentic Co-Scientist: Small-Model Planning for Early-Stage Drug Discovery
• Title（参考訳）: 地域展開型エージェント共同科学者を目指して--早期薬物発見のための小モデルプランニング
• Abstract要約: 初期の計算薬の発見には、多段階にわたる異種科学ツールの調整が必要である。 本稿では,ローカルにデプロイ可能なコンパクト言語モデルを18のモジュール化ツールに呼び出すツール拡張フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 45.56308617896959
• License:
• Abstract: Early-stage computational drug discovery requires coordinating heterogeneous scientific tools across multi-step workflows. We present a lightweight, tool-augmented framework in which a locally deployable compact language model plans calls to 18 modular tools. A Unified Molecular Schema maintains shared molecular records, while a plug-in interface supports tool replacement and extension. We construct 1,263 manually refined query-plan pairs through workflow-graph path coverage and apply LoRA fine-tuning to three compact model families. Under the query-level split, all fine-tuned models generate fully parseable and schema-compliant plans on 47 held-out cross-group queries. Llama 3.2-3B achieves a tool-selection F1 of 0.998, sequence exact match of 0.979, and argument F1 of 0.960. Under the stricter workflow-grouped split, which excludes identical ordered tool sequences across partitions, sequence exact match reaches 0.452 to 0.548, highlighting the remaining difficulty for compact models in generating complete workflow paths unseen during training. These results demonstrate the feasibility of compact, locally deployable planning while identifying compositional generalization as an important direction for further improvement.
• Abstract（参考訳）: 初期の計算薬の発見には、多段階のワークフローにまたがる異種科学ツールの調整が必要である。 ローカルにデプロイ可能なコンパクト言語モデルを計画する軽量でツール拡張されたフレームワークを18のモジュールツールに呼び出します。 統一分子スキーマは共有分子レコードを保持し、プラグインインターフェースはツールの置換と拡張をサポートする。 ワークフローグラフパスのカバレッジを通じて1,263個のクエリプランペアを手作業で構築し、3つのコンパクトモデルファミリにLoRAの微調整を適用する。 クエリレベルの分割では、すべての微調整されたモデルが47の保持されたクロスグループクエリに対して完全に解析可能でスキーマに準拠したプランを生成する。 Llama 3.2-3B は 0.998 のツール選択 F1 を達成し、シーケンスは 0.979 で、引数 F1 は 0.960 である。 パーティション間で同じ順序のツールシーケンスを除外した、より厳密なワークフローグループ分割の下では、シーケンスの正確な一致は0.452から0.548に達し、トレーニング中に見つからない完全なワークフローパスを生成する際に、コンパクトモデルの残りの困難さを強調している。 これらの結果は、コンパクトで局所的な展開可能な計画の実現可能性を示し、構成一般化をさらなる改善のための重要な方向として特定する。

関連論文リスト

• Joint Optimization of Tool Creation and Use for Large Language Model Agents [69.07066297088187]
  SMITH (-grounded Multi-task Iterative Tool Honing) は、単一のポリシー内でツールの作成とツールの使用を訓練する。 SMITHで訓練された4B Qwen3は、正確に検証された13の手続き的推論タスクで、保持されたタスクで平均79.8のマクロ平均精度に達する。 また、TabMWP-Hardでは40.4、ドメイン外のGQAでは42.6に到達している。
  論文  参考訳（メタデータ） (2026-08-25T13:59:34Z)
• Automated Generation of Complexity-Validated Decision Scenarios Using Large Language Models [1.6249267147413524]
  意思決定の研究は、注意深く制御された複雑さを持つ多様なシナリオに依存します。 LLmsを使って構造化決定シナリオを生成する自動パイプラインを開発した。 我々は、複数のドメインと複雑性層にわたる4,238のシナリオを評価した。
  論文  参考訳（メタデータ） (2026-08-09T17:12:48Z)
• StereoFactory: A Unified Merging Framework for Robust Stereo Matching [61.973843344605655]
  ステレオマッチングは、大規模なデータセットでトレーニングされた基礎モデルを通じて進歩しているが、このパラダイムはスケーラビリティのボトルネックに悩まされている。 モデルマージは、ソースチェックポイントが利用可能になった後、特別なモデルからの知識を統合することで、スケーラブルなポストホックな代替手段を提供する。 本稿では,適応モデルマージのための粗大な進化的フレームワークであるStereoFactoryを提案する。
  論文  参考訳（メタデータ） (2026-06-16T03:36:59Z)
• TSCG: Deterministic Tool-Schema Compilation for Agentic LLM Deployments [0.0]
  生産エージェントフレームワークは、言語モデルによる解釈ではなく、機械解析用に設計されたフォーマットであるMPPとしてツールスキーマを送信する。 小型モデル(4B-14B)では、このプロトコルのミスマッチが、本番サイズでのツール使用障害の大部分の原因となっている。 本稿では,このミスマッチをAPI境界で解決する決定論的ツールスキーマコンパイラTSCGを提案する。
  論文  参考訳（メタデータ） (2026-05-04T15:35:45Z)
• UniToolCall: Unifying Tool-Use Representation, Data, and Evaluation for LLM Agents [22.52508596251479]
  構築とデータセット生成から評価に至るまで,パイプライン全体を標準化するツール学習用統合フレームワークであるUniToolCallを提案する。 我々は、7つの公開ベンチマークを、関数呼び出し、ターン、会話のレベルできめ細かい評価を施した、クエリ-Action--Observation-Answer (QAOA) 表現に変換する。 Anchoror-Heavy Hybrid-20では、1ターンのStrict Precisionを93.0%達成し、GPT、Gemini、Claudeといった商用モデルを上回っている。
  論文  参考訳（メタデータ） (2026-04-13T14:43:47Z)
• LLM-based Schema-Guided Extraction and Validation of Missing-Person Intelligence from Heterogeneous Data Sources [0.7734726150561088]
  行方不明者や子どもの安全に関する調査は、構造化フォーム、掲示板スタイルのポスター、物語ウェブプロファイルなど、異種ケース文書に依存している。 レイアウト、用語、データ品質の変化は、急激なトリアージ、大規模分析、探索計画を妨げる。 本稿では、AIによる解析および正規化パイプラインであるGuardian Packを紹介し、マルチソース調査文書を統一されたスキーマ準拠の表現に変換する。
  論文  参考訳（メタデータ） (2026-04-08T01:35:56Z)
• MagicAgent: Towards Generalized Agent Planning [73.21129030631421]
  汎用エージェント計画に特化して設計された基盤モデルである textbfMagicAgent について述べる。 多様な計画タスクにまたがる高品質なトラジェクトリを生成する軽量でスケーラブルな合成データフレームワークを提案する。 MagicAgent-32B と MagicAgent-30B-A3B は様々なオープンソースベンチマークにおいて優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2026-02-22T01:39:16Z)
• Atlas: Orchestrating Heterogeneous Models and Tools for Multi-Domain Complex Reasoning [26.35834992466776]
  ATLASは、クロスドメイン複合推論における動的ツール使用のためのデュアルパスフレームワークである。 我々のフレームワークは、特殊なマルチモーダルツールを編成することで、視覚的推論において大きな進歩を見せている。
  論文  参考訳（メタデータ） (2026-01-07T12:38:33Z)
• MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
  Amortized Pareto Front (MAP) を用いた新しい低演算アルゴリズム Model Merging を導入する。 MAPは、複数のモデルをマージするためのスケーリング係数のセットを効率的に識別し、関連するトレードオフを反映する。 また,タスク数が比較的少ないシナリオではベイジアンMAP,タスク数の多い状況ではNested MAPを導入し,計算コストを削減した。
  論文  参考訳（メタデータ） (2024-06-11T17:55:25Z)

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。