論文の概要: Euler: Towards Human-Centered Multi-Agent Mathematical Discovery
- arxiv url: http://arxiv.org/abs/2610.19864v1
- Date: Wed, 14 Oct 2026 09:27:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.069623
- Title: Euler: Towards Human-Centered Multi-Agent Mathematical Discovery
- Title（参考訳）: Euler:人間中心のマルチエージェント数学的発見を目指して
- Abstract要約: 我々は、研究プロセスの共有された構造化された表現を中心に構築された、人間中心の数学的研究システムであるEulerを紹介する。
E Euler は、数学的ステートメント、仮定、証明依存、代替アプローチ、試み失敗、検証証拠を連結された研究グラフにまとめる。
E Eulerは、各セッションの計画、コラボレーション、検証に関して、永続的でタスクに依存した知識をエージェントに提供する。
- 参考スコア（独自算出の注目度）: 27.15279139913333
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Mathematical research drives scientific discovery, and recent advances in AI for mathematics have shown that language-model agents can solve challenging problems and develop substantial mathematical proofs. Yet much of today's AI-for-mathematics work centers on obtaining a final answer. This emphasis leaves the exploration behind a result difficult for researchers to understand, while long-running investigations face fragmented context and the risk of unsupported claims propagating across reasoning steps. We present Euler, a human-centered mathematical research system built around a shared, structured representation of the research process. Euler organizes mathematical statements, assumptions, proof dependencies, alternative approaches, failed attempts, and verification evidence into connected research graphs. This representation allows researchers to trace how results are developed and supplies agents with persistent, task-relevant knowledge for planning, collaboration, and verification across sessions. Researchers can also select a graph node linked to a saved team state, revisit the agents' earlier reasoning, and explore alternative directions through continued interaction. We illustrate Euler's capabilities through three mathematical research case studies and describe the implemented system and its software validation.
- Abstract（参考訳）: 数学的研究は科学的な発見を促進し、近年の数学におけるAIの進歩は、言語モデルエージェントが難題を解決し、実質的な数学的証明を開発することができることを示した。
しかし、今日のAI-for-mathematicsの作業の多くは、最終回答を得ることに集中しています。
この強調は、研究者が理解し難い結果の裏にある調査を残しながら、長期にわたる調査は、断片化された状況に直面し、支持できない主張が推論ステップを越えて伝播するリスクに直面している。
我々は、研究プロセスの共有された構造化された表現を中心に構築された、人間中心の数学的研究システムであるEulerを紹介する。
オイラーは、数学的ステートメント、仮定、証明依存、代替アプローチ、試み失敗、そして証拠を連結された研究グラフにまとめる。
この表現により、研究者は結果がどのように開発されたのかを追跡でき、セッション間の計画、コラボレーション、検証のための永続的でタスクに依存した知識をエージェントに提供できる。
また、保存されたチームの状態にリンクされたグラフノードを選択し、エージェントの以前の推論を再検討し、継続的なインタラクションを通じて代替方向を探索することもできる。
本稿では,3つの数学的研究ケーススタディを通じて,Eulerの能力について解説し,実装システムとそのソフトウェア検証について述べる。
関連論文リスト
- Continual Graph Memory for Mathematical Research Agents [95.750048838182]
Ansatzはグラフベースの、進化可能な、クロスプロブレムな数学的研究メモリシステムである。
証明探索プロセス全体を整理し、過去の問題の探索軌跡から情報を再利用する。
アンサッツは10の研究課題の全てを閉鎖し、長期の数学的探索を継続し再開する能力を示した。
論文 参考訳（メタデータ） (2026-10-02T07:38:09Z) - From Solvers to Research: Large Language Model-Driven Formal Mathematics at the Research Frontier [109.93387172162984]
AI4Mathシステムの次の飛躍は、事前に定義された問題解決者から研究エージェントへの決定的なシフトを必要とする。
この分野の体系的なレビューを行い、データセット、自動形式化、証明合成について紹介する。
論文 参考訳（メタデータ） (2026-07-08T17:46:36Z) - Iteris: Agentic Research Loops for Computational Mathematics [7.052820770689716]
本稿では,計算数学におけるオープンな問題に対するエージェント研究システムであるイテリスを紹介する。
我々は最近のSimons Workshopコレクションからイテリスを2つのオープンな問題に適用した。
イテリスは数値的な証拠、建設、証明の草案を作成し、専門家のレビューと修正を経て、検証結果に繋がった。
論文 参考訳（メタデータ） (2026-06-01T16:54:31Z) - AI co-mathematician: Accelerating mathematicians with agentic AI [37.60588462488029]
我々は、数学者がAIエージェントを対話的に活用し、オープンエンドの研究を追求するためのワークベンチであるAIコマンセマティクスを紹介した。
AIの共数学者は、文献探索、計算探索、定理証明、理論構築など、数学観念の探索的かつ反復的な現実を総合的に支援することを目的としている。
初期のテストでは、AIの共同数学者は、オープンな問題の解決、新しい研究方向の特定、文献参照の発見に協力した。
論文 参考訳（メタデータ） (2026-05-07T17:56:32Z) - Discovering mathematical concepts through a multi-agent system [3.820195410658766]
計算数学的発見のための新しいマルチエージェントモデルを提案する。
我々のシステムは、研究を念頭に考え、独自の予想を示し、それを証明しようと試みる。
局所過程の正しい組み合わせの最適化は、驚くほどよく整合した数学的面白さの概念に繋がると主張している。
論文 参考訳（メタデータ） (2026-03-04T19:13:36Z) - The AI Research Assistant: Promise, Peril, and a Proof of Concept [0.0]
詳細な事例研究を通じて実証的な証拠を提供する。
コラボレーションによって、注目すべき機能と限界の両方が明らかになった。
我々の経験から、適切な懐疑論や検証プロトコルを使用すると、AIツールは数学的発見を有意義に加速させることができることが示唆されている。
論文 参考訳（メタデータ） (2026-02-26T10:29:05Z) - Towards Autonomous Mathematics Research [48.29504087871558]
Aletheiaは、自然言語のエンドツーエンドの解を反復的に生成し、検証し、修正する数学研究エージェントである。
具体的には、AletheiaはGemini Deep Thinkの高度なバージョンで、推論の問題に挑戦している。
我々は、オリンピアード問題から博士レベルのエクササイズまで、AI支援数学研究におけるいくつかのマイルストーンを通じて、アレクシアを実証する。
論文 参考訳（メタデータ） (2026-02-10T18:50:15Z) - Accelerating Scientific Research with Gemini: Case Studies and Common Techniques [105.15622072347811]
大規模言語モデル(LLM)は、科学研究を加速するための新たな道を開いた。
先進的なAIモデルとどのように協力したかを示すケーススタディのコレクションを提示する。
論文 参考訳（メタデータ） (2026-02-03T18:56:17Z) - A Survey of Deep Learning for Mathematical Reasoning [71.88150173381153]
我々は過去10年間の数学的推論とディープラーニングの交差点における重要なタスク、データセット、方法についてレビューする。
大規模ニューラルネットワークモデルの最近の進歩は、新しいベンチマークと、数学的推論にディープラーニングを使用する機会を開放している。
論文 参考訳（メタデータ） (2022-12-20T18:46:16Z)
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。