論文の概要: MindFlow: Mind Supernet Powered Thinking Flows for Research Idea Innovation

• arxiv url: http://arxiv.org/abs/2610.11966v1
• Date: Thu, 08 Oct 2026 13:45:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.060626
• Title: MindFlow: Mind Supernet Powered Thinking Flows for Research Idea Innovation
• Title（参考訳）: MindFlow: 研究思想革新のためのマインド・スーパーネットパワード・シンキング・フロー
• Abstract要約: 研究アイデアの革新は科学的進歩の基本的なエンジンであるが、スケーラブルで制御可能な方法で生成し評価することは依然として困難である。 マインドフロー(MindFlow)は、マインドにおけるグラフ構造化フローとして考えを明示的に定式化するフレームワークである。 MindFlowは、明示的で、制御可能で、最適化可能な研究アイデアとして、その優位性を示している。
• 参考スコア（独自算出の注目度）: 64.78819171350719
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Research idea innovation is a fundamental engine of scientific progress, yet it remains difficult to generate and evaluate in a scalable and controllable way. This challenge lies in its inherently open-ended and multi-objective nature, where ideas should balance novelty, plausibility and feasibility. While recent LLM-based approaches have made progress through carefully designed prompts or agent pipelines, they are constrained by predefined, static ideation workflows. To address this limitation, we propose MindFlow, a framework that explicitly formulates ideation as a graph-structured Flow in Mind, which is composed of modular thinking operators and modeled by a probabilistic mind supernet. Given a research topic, a controller dynamically samples thinking flows to generate candidate ideas. This open-ended problem is optimized using a tournament-based relative ranking, enabling the controller to progressively favor higher-quality thinking flows. We further introduce an evaluation protocol that jointly assesses problem finding and problem solving, going beyond title- or abstractonly judgments. Across diverse topics, MindFlow shows its superiority as an explicit, controllable and optimizable research idea innovator.
• Abstract（参考訳）: 研究アイデアの革新は科学的進歩の基本的なエンジンであるが、スケーラブルで制御可能な方法で生成し評価することは依然として困難である。 この課題は、本質的にオープンで多目的な性質にあり、アイデアは斬新さ、妥当性、実現可能性のバランスをとるべきである。 最近のLSMベースのアプローチは、慎重に設計されたプロンプトやエージェントパイプラインを通じて進歩しているが、それらは事前に定義された静的なアイデアワークフローによって制約されている。 この制限に対処するため、我々はマインドフロー(MindFlow)を提案する。マインドフロー(MindFlow)は、モジュラー思考演算子で構成され、確率論的マインドスーパーネットによってモデル化される、マインド内のグラフ構造フローを明示的に定式化するフレームワークである。 研究トピックが与えられた場合、コントローラは動的に思考フローをサンプリングし、候補となるアイデアを生成する。 このオープンエンド問題はトーナメントベースの相対ランキングを用いて最適化されており、コントローラはより高品質な思考フローを徐々に好むことができる。 さらに,問題発見と問題解決を共同で評価する評価プロトコルを導入する。 さまざまなトピックにおいて、MindFlowは、明示的で、制御可能で、最適化可能な研究アイデアイノベータとして、その優位性を示している。

関連論文リスト

• AdaThinking-E: One-Token Entropy Regulation for Adaptive Thinking [43.850645709149774]
  AdaThinking-Eは,一対一のエントロピー制御によって適応的思考を学習する新しい強化学習フレームワークである。 我々のキーとなる洞察は、予測された確率分布のエントロピー解析により、思考(またはそうでない)に関わる決定におけるモデル信頼度を定量化できるということである。 このアプローチにより、手動の介入や外部の難易度ラベルを必要とせずに、モデルが本質的にいつ考えるべきかを発見することができる。
  論文  参考訳（メタデータ） (2026-06-26T08:50:35Z)
• FlowPIE: Test-Time Scientific Idea Evolution with Flow-Guided Literature Exploration [27.617408084179246]
  FlowPIEは、文献探索とアイデア生成を共同進化のプロセスとして扱う。 FlowPIEは、新規性、実現可能性、多様性のあるアイデアを一貫して生成していることを示す。
  論文  参考訳（メタデータ） (2026-03-31T10:37:47Z)
• SmartSwitch: Advancing LLM Reasoning by Overcoming Underthinking via Promoting Deeper Thought Exploration [49.290631188365786]
  ロングチェーン・オブ・シークレット(LongCoT)は、複雑な推論タスクにおいて、大規模言語モデルによって達成された最近のブレークスルーの中心である。 本稿では,SmartSwitch推論フレームワークという,シンプルで効果的な推論手法を提案する。 このフレームワークは、プラグイン・アンド・プレイソリューションとして、どんな大きな言語モデルにも簡単に統合できる。
  論文  参考訳（メタデータ） (2025-10-22T16:56:01Z)
• Latent Thinking Optimization: Your Latent Reasoning Language Model Secretly Encodes Reward Signals in Its Latent Thoughts [16.941385792353493]
  大規模言語モデル(LLM)は、自然言語における思考の連鎖を生成することで問題解決において優れている。 最近の研究は、中間推論ステップを潜在表現のシーケンスとして表現する潜在思考アーキテクチャであるHuginn-3.5Bを提案する。 We show how how how Huginn-3.5B think in the latent space and how external supervision signal could improve the latent thinking process。
  論文  参考訳（メタデータ） (2025-09-30T14:26:36Z)
• Let LRMs Break Free from Overthinking via Self-Braking Tuning [68.93713497579853]
  大きな推論モデル(LRM)は思考の長い連鎖を生成することによって推論能力を著しく向上させた。 この性能向上は、生成プロセス中の冗長な推論を大幅に増加させるコストが伴う。 本稿では、モデルが独自の推論プロセスを制御することを許容する観点から、過度に検討する新しいフレームワーク、Self-Braking Tuning(SBT)を提案する。
  論文  参考訳（メタデータ） (2025-05-20T16:53:40Z)
• Thoughts Are All Over the Place: On the Underthinking of o1-Like LLMs [86.79757571440082]
  OpenAIのo1のような大規模言語モデル(LLM)は複雑な推論タスクにおいて顕著な能力を示している。 我々は、o1-like LLMがしばしば異なる理性的思考を切り替える、という現象を特定する。 本稿では,思考間の早期移行を回避できる思考切替ペナルティTIPを用いた復号戦略を提案する。
  論文  参考訳（メタデータ） (2025-01-30T18:58:18Z)

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。