論文の概要: ScienceClaw: Benchmarking Continual Self-Evolution of AI-for-Science Agents Across the Natural and Social Sciences
- arxiv url: http://arxiv.org/abs/2610.08691v1
- Date: Tue, 06 Oct 2026 17:08:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:30.137457
- Title: ScienceClaw: Benchmarking Continual Self-Evolution of AI-for-Science Agents Across the Natural and Social Sciences
- Title（参考訳）: ScienceClaw: 自然科学と社会科学にまたがるAIエージェントの継続的な自己進化のベンチマーク
- Abstract要約: ScienceClawはタスク解決、科学的検証、プログラム更新を統合する。
ScienceClaw-Evalは23の分野にまたがり、科学的正当性、進化的利得、維持、データセット間の移動、進化コストを測定する。
- 参考スコア（独自算出の注目度）: 40.31669167042238
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language model agents are accelerating scientific automation, yet verified executions rarely become persistent program-level improvements, and existing evaluations do not examine this process across sequential tasks in both the natural and social sciences. We formalize ScienceClaw as fixed-parameter program self-evolution that unifies task solving, scientific verification, and program updates. ScienceClaw-Eval spans 23 disciplines and measures scientific correctness, evolutionary gain, retention, cross-dataset transfer, and evolution cost through sequential streams and independent reset evaluation. Our framework repairs executable workflows through multi-turn interaction, converts re-execution-verified failure--success trajectories into linked Skill and Operator candidates, and retains an update only when source-task replay reproduces the repair and independent scientific tasks improve. Code is available at https://github.com/beita6969/ScienceClaw.
- Abstract（参考訳）: 大規模言語モデルエージェントは、科学的自動化を加速しているが、検証された実行が永続的なプログラムレベルの改善になることは稀であり、既存の評価では、自然科学と社会科学の両方において、このプロセスのシーケンシャルなタスクを調査していない。
我々はScienceClawを、タスク解決、科学的検証、プログラム更新を統一する固定パラメータプログラムの自己進化として定式化する。
ScienceClaw-Evalは23の分野にまたがって、シーケンシャルストリームと独立リセット評価を通じて科学的正当性、進化的利得、保持、データセット間の転送、進化コストを測定する。
本フレームワークは,マルチターンインタラクションを通じて実行ワークフローを修復し,再実行検証された障害のトラジェクトリをリンクされたスキルとオペレータの候補に変換し,ソースタスクの再生が修正され,独立した科学的タスクが改善された場合にのみ更新を保持する。
コードはhttps://github.com/beita6969/ScienceClawで入手できる。
関連論文リスト
- Recursive Harness Self-Improvement for Frontier Reasoning Data Synthesis [25.248058998960648]
推論データ合成におけるタスクハーネス共進化について述べる。
オンライン自己改善は、中間解決器の故障を生成時に再利用可能なスキルに変換する。
数学、コーディング、科学全般において、平均解法精度は14回の進化ラウンドで100.0%から54.8%に低下する。
論文 参考訳（メタデータ） (2026-10-02T16:30:15Z) - InterEvolve: Test-Time Evolution of Reward Programs for Humanoid Loco-Manipulation [54.00038257772902]
ヒューマノイド・ロコ・マニピュレーションの試験時間進化について検討した。
私たちの重要な洞察は、ワイドコントローラが、新しいタスクに必要な能力の多くをすでに持っていることです。
InterEvolveはこのインターフェースを2つのコンポーネントで実現している。
論文 参考訳（メタデータ） (2026-10-01T17:59:40Z) - SWE-bench Science: Can Coding Agents Resolve Engineering Tasks in Science? [60.11366724565423]
SWE-bench Scienceは、20の科学ドメインにわたる98のGitHubリポジトリから119のタスクからなる、科学ソフトウェアエンジニアリングのためのリポジトリレベルのベンチマークである。
科学的知識や抽象化の欠如、誤った調査や表面レベルの修復、不完全な修復のカバレッジやシステム統合、そして我々の分析で観察されたケースを超えて科学的知識を一般化する失敗の4つの失敗メカニズムを特定します。
論文 参考訳（メタデータ） (2026-08-20T08:53:15Z) - Bohrium + SciMaster: Building the Infrastructure and Ecosystem for Agentic Science at Scale [82.20980951765891]
エージェントサイエンスのスケーリングにはインフラストラクチャ・アンド・エコシステムアプローチが必要である,と我々は主張する。
BohriumはAI4S資産のマネージドでトレース可能なハブとして機能し、多様な科学データ、ソフトウェア、計算、実験室のシステムをエージェント対応の能力に変換する。
SciMasterはこれらの機能を長い水平科学に編成し、科学エージェントを合成して実行することができる。
論文 参考訳（メタデータ） (2025-12-23T16:04:41Z) - From Automation to Autonomy: A Survey on Large Language Models in Scientific Discovery [67.07598263346591]
大規模言語モデル(LLM)は科学的発見のパラダイムシフトを触媒している。
この調査は、この急成長する分野を体系的に分析し、科学におけるLLMの役割の変化とエスカレーション能力に重点を置いている。
論文 参考訳（メタデータ） (2025-05-19T15:41:32Z)
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。