論文の概要: SAIL: Scientific Agentic Intelligence via a Science-Aware Loop

• arxiv url: http://arxiv.org/abs/2610.11451v1
• Date: Thu, 08 Oct 2026 08:04:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.882527
• Title: SAIL: Scientific Agentic Intelligence via a Science-Aware Loop
• Title（参考訳）: SAIL:Science-Aware Loopによる科学エージェントインテリジェンス
• Abstract要約: SAILは、文献研究、科学コーディング、多段階研究のための合計35Bと3Bのアクティブパラメータを持つオープンモデルである。 最先端のAIモデル上に構築されたエージェントは、そのタスク障害を分析します。 この診断は、文学的タスクにおける探索と証拠の選択、コーディングにおける科学的仮定と推論、長期にわたる調査における計画と修正を検査する。
• 参考スコア（独自算出の注目度）: 22.697093480427423
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce SAIL, an open model with 35B total and 3B active parameters for literature research, scientific coding, and multi-step research workflows. SAIL is developed through a science-aware improvement loop: agents built on frontier AI models analyze its task failures and construct training tasks that address the underlying capability gaps. The diagnosis examines search and evidence selection in literature tasks, scientific assumptions and reasoning in coding, and planning and revision in longer investigations. The agents draw on paper collections and scientific code repositories to build problems, interaction trajectories, and executable tasks with the required environments and tools. We repeat this loop over multiple development cycles and train SAIL through supervised fine-tuning, specialist training, multi-teacher on-policy distillation, and agentic reinforcement learning. SAIL achieves competitive performance across scientific research tasks with substantially fewer parameters than leading open-weight models.
• Abstract（参考訳）: 文献研究,科学コーディング,多段階研究ワークフローのための,合計35Bと3Bのアクティブパラメータを持つオープンモデルSAILを紹介する。 SAILは、科学を意識した改善ループを通じて開発されている。フロンティアAIモデル上に構築されたエージェントは、そのタスク障害を分析し、基礎となる能力ギャップに対処するトレーニングタスクを構築する。 この診断は、文学的タスクにおける探索と証拠の選択、コーディングにおける科学的仮定と推論、長期にわたる調査における計画と修正を検査する。 エージェントは、必要な環境やツールで問題、インタラクションの軌跡、実行可能なタスクを構築するために、紙コレクションと科学コードリポジトリを描画する。 複数の開発サイクルにまたがってこのループを繰り返し、監督された微調整、専門訓練、複数教師のオンライン蒸留、エージェント強化学習を通じてSAILを訓練する。 SAILは、主要なオープンウェイトモデルよりもかなり少ないパラメータで、科学研究タスク間の競争性能を達成する。

関連論文リスト

• Intern-S2-Preview: Scientific Agentic Foundation Model [199.88087357217503]
  Intern-S2-Previewはマルチモーダルな科学的理解、推論、生成、長距離タスクをサポートするように設計されている。 トレーニングパイプラインは、レンダリングされた科学文書、インターリーブされた画像テキストデータ、多様な科学的コーパスに対する科学的なマルチモーダル事前トレーニングから始まる。 このパイプラインはロールアウトを改善し、安定性と効率性をトレーニングする実践的な技術によって支えられている。
  論文  参考訳（メタデータ） (2026-08-13T17:31:28Z)
• Do We Need Bigger Models for Science? Task-Aware Retrieval with Small Language Models [4.049850026698638]
  既存の学者のアシスタントの多くは、数十億から数百億のパラメータを持つプロプライエタリなシステムに依存している。 我々は,タスク認識型ルーティングを行う軽量な検索拡張フレームワークを設計し,特定の検索戦略を選択する。 このフレームワークは、フルテキストの科学論文と構造化された学術メタデータのエビデンスを統合し、コンパクトな命令チューニング言語モデルを使用して、引用による応答を生成する。
  論文  参考訳（メタデータ） (2026-04-02T12:28:51Z)
• AIRS-Bench: a Suite of Tasks for Frontier AI Research Science Agents [49.67355440164857]
  AIRS-Benchは、最先端の機械学習論文から得られた20のタスクからなるスイートである。 Airs-Benchタスクは、研究ライフサイクル全体のエージェント能力を評価する。 本稿では,AIRS-Benchタスク定義と評価コードをオープンソースとして公開し,自律科学研究のさらなる発展を促す。
  論文  参考訳（メタデータ） (2026-02-06T16:45:02Z)
• ScienceBoard: Evaluating Multimodal Autonomous Agents in Realistic Scientific Workflows [82.07367406991678]
  大規模言語モデル(LLM)は自然言語処理を超えてその影響を拡大している。 これらのうち、コンピュータ利用エージェントは、人間がしているようにオペレーティングシステムと対話することができる。 我々はScienceBoardを紹介し、ダイナミックで視覚的にリッチな科学ソフトウェアを特徴とする現実的でマルチドメイン環境を包含する。
  論文  参考訳（メタデータ） (2025-05-26T12:27:27Z)
• Towards Scientific Intelligence: A Survey of LLM-based Scientific Agents [11.74019905854637]
  大規模言語モデル(LLM)は、重要なタスクを自動化する科学的エージェントへと進化している。 汎用LLMとは異なり、特殊エージェントはドメイン固有の知識、高度なツールセット、堅牢な検証メカニズムを統合する。 一般的なエージェントと異なる理由と、さまざまな科学分野の研究を進める方法を強調します。
  論文  参考訳（メタデータ） (2025-03-31T13:11:28Z)
• Pre-training Multi-task Contrastive Learning Models for Scientific Literature Understanding [52.723297744257536]
  事前学習言語モデル(LM)は、科学文献理解タスクにおいて有効であることを示す。 文献理解タスク間の共通知識共有を容易にするために,マルチタスクのコントラスト学習フレームワークであるSciMultを提案する。
  論文  参考訳（メタデータ） (2023-05-23T16:47:22Z)

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。