論文の概要: DiscoveryRSI: Recursively Learning to Discover Valuable Hypotheses
- arxiv url: http://arxiv.org/abs/2610.23839v2
- Date: Tue, 20 Oct 2026 08:05:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.227629
- Title: DiscoveryRSI: Recursively Learning to Discover Valuable Hypotheses
- Title（参考訳）: DiscoveryRSI: 価値ある仮説を再帰的に学習する
- Abstract要約: 有用かつ検証可能な研究仮説の運用定義を導入する。
我々のDiscoveryRSIフレームワークは、マルチエージェント進化探索により仮説木を開発する。
仮説品質を総合的に評価するDFM-Benchを紹介する。
- 参考スコア（独自算出の注目度）: 54.28444810466223
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scientific discovery requires developing worthwhile hypotheses into practical investigations, yet learning from this evolving research process remains challenging. We introduce an operational definition of valuable and testable research hypotheses: evidence-grounded claims about consequential uncertainties, coupled with feasible investigations, explicit decision criteria, and alternative explanations. Our DiscoveryRSI framework develops hypothesis trees through multi-agent evolutionary search, compiles selected investigations into executable Harbor tasks, and recursively learns through three mechanisms: hypothesis credit optimization attributes scientific assessments to documented research contributions; harness replay identifies productive strategies and recurring failures to refine research workflows; and rediscovery applies accepted improvements to new investigations, generating further experience for subsequent learning. We also introduce DFM-Bench, which provides comprehensive assessment of hypothesis quality and cumulative research progress at the levels of hypotheses, revisions, development paths and research runs. Across four life-science domains, automated evaluation shows that hypothesis quality rises from 4.86 for the base model to 5.39 after two rounds of self-improvement, with the large gains in falsifiability and data resolvability. We further validate hypothesis quality through expert review, comparing our DiscoveryRSI-27B with other research agents. Preliminary human assessments show that DiscoveryRSI-27B scores higher than GPT-6 Luna on hypothesis importance and whether claims are plausible and evidence-bounded. DiscoveryRSI-27B achieved a 6.3% rate of hypothesis correspondence with research published after the model cutoff, largely outperform GPT-6 with 2.5% and Claude Opus 5 with 2.3%, while delivering greater human-rated improvement along research paths.
- Abstract（参考訳）: 科学的発見には、実用的な研究に価値ある仮説を練る必要があるが、この進化する研究プロセスから学ぶことは依然として困難である。
本稿では,重要かつ実証可能な研究仮説の運用的定義について紹介する: 連続的不確実性に関する証拠を根拠とした主張と,実施可能な調査,明確な決定基準,代替説明。
我々のDiscoveryRSIフレームワークは、マルチエージェント進化探索を通じて仮説木を開発し、選択された調査を実行可能なハーバータスクにコンパイルし、3つのメカニズムを通して再帰的に学習する。仮説クレジット最適化は、文書化された研究貢献に対する科学的評価を属性し、リプレイは、生産的な戦略を特定し、研究ワークフローを洗練するために失敗を繰り返す。
DFM-Benchは仮説の質と累積的な研究の進捗を仮説、修正、開発経路、研究過程のレベルで総合的に評価する。
4つの生命科学領域において、自動評価により、仮説の質は2ラウンドの自己改善の後、基本モデルの4.86から5.39に上昇し、ファルシフィビリティとデータの解決可能性が大きく向上した。
我々はさらに専門家レビューを通じて仮説品質を検証し、DiscoveryRSI-27Bと他の研究エージェントを比較した。
予備的な人間による評価では、DiscoveryRSI-27Bは、仮説の重要性と主張が妥当で証拠に拘束されているかどうかについて、GPT-6 Lunaよりも高いスコアを示している。
DiscoveryRSI-27Bは、モデル遮断後に発表された研究と6.3%の仮説対応を達成し、GPT-6を2.5%、Claude Opus 5を2.3%で上回った。
関連論文リスト
- DISCERN: Can AI Agents Work Like Scientists and Guide Discovery? [54.755189648365565]
私たちは、自動研究ワークフローの3つの重要なレベルを評価するために、実際に利用可能なデータセットのベンチマークであるdisCERNを紹介します。
エージェントはレベル1の60.8%、レベル2の34.2%、レベル3の評価の0.6%で完璧なスコアを得る。
これらのプロファイルは、科学的な援助を監督する機会を特定するが、現在のエージェントは信頼できる自律的な分析や発見をまだ示していない。
論文 参考訳（メタデータ） (2026-09-27T08:29:32Z) - Sci-MMR: Benchmarking Multi-Step Evidence-Grounded Scientific Reasoning in Multimodal Agents [56.93800079330285]
既存のマルチモーダルベンチマークは、最終回答の精度を大きく評価する。
我々は,多段階のエビデンスに基づく科学的推論のためのベンチマークであるSci-MMRを紹介する。
その結果,解答精度は完全証拠回収率を20%以上上回ることがわかった。
論文 参考訳（メタデータ） (2026-09-10T08:41:07Z) - Before the Action: Benchmarking LLMs on Prospective Hypothesis Discovery [95.44432473367836]
大規模言語モデル(LLM)は、事前に特定された質問に答える能力に優れるが、未解決の未解決段階をナビゲートする能力はほとんど測定されていない。
仮説探索(PHD)を導入し,不確定な証拠から,仮説空間を自律的に構築することをモデルに求める。
本稿では,6つの科学的・分析的領域にわたる988ケースのベンチマークであるHypoArenaと,オープンエンド仮説セットの評価フレームワークであるHypoEvalを紹介する。
論文 参考訳（メタデータ） (2026-07-17T08:56:43Z) - ProjectionBench: Evaluating Scientific Hypothesis Generation in LLMs Under Progressive Information Disclosure [0.0]
科学的発見と推論におけるモデル性能を評価するためのベンチマークフレームワークを提案する。
GPT-5, GPT-5.4, Gemini 2.5 pro, Gemini 3.1 pro Previewを, 生体活性物質, 機械材料, ナノ材料にまたがる45紙で評価した。
論文 参考訳（メタデータ） (2026-05-28T17:38:19Z) - Hypothesis-Driven Deep Research with Large Language Models: A Structured Methodology for Automated Knowledge Discovery [0.0]
現在のAIによる研究システムは、仮説を科学的発見の終末産物として扱う、直接的な探索テーマの要約パラダイムを採用している。
仮説は、研究プロセス自体を構成する組織的なマッチング手段として、はるかに強力な役割を果たす可能性があります。
本稿では,仮説駆動型深層研究(I)パイプライン手法を提案する。
論文 参考訳（メタデータ） (2026-05-11T09:04:09Z) - Accelerating Social Science Research via Agentic Hypothesization and Experimentation [33.55093074029515]
ExPERIGENは、ベイズ最適化によって2相探索にインスパイアされたエンドツーエンド発見を運用するフレームワークである。
より統計的に有意な仮説が2～4倍の確率で発見され、従来の手法よりも7～17%の確率で予測できる。
LLM産生仮説の最初のA/B試験を行い, 統計的に有意な結果を示した。
論文 参考訳（メタデータ） (2026-02-08T14:20:56Z) - FIRE-Bench: Evaluating Agents on the Rediscovery of Scientific Insights [63.32178443510396]
FIRE-Bench (Full-cycle Insight Rediscovery Evaluation) は、確立された発見の再検討を通じてエージェントを評価するベンチマークである。
最強のエージェントでさえ、限られた再発見成功(50 F1)を達成し、実行中に高いばらつきを示し、実験的な設計、実行、エビデンスに基づく推論において繰り返し失敗モードを表示する。
論文 参考訳（メタデータ） (2026-02-02T23:21:13Z) - Hypothesis Hunting with Evolving Networks of Autonomous Scientific Agents [52.50038914857797]
この過程を仮説探索と呼び、膨大な複雑な仮説空間を横断する持続的な探索を通して洞察を累積的に探索する。
本稿では、エージェント、ネットワーク、評価規範の相互作用としてフレームワークモデリングディスカバリであるAScienceを紹介し、ASCollabとして実装する。
実験により、このような社会的ダイナミクスは、多様性-品質-ノーベルティフロンティアに沿った専門家評価結果の蓄積を可能にすることが示された。
論文 参考訳（メタデータ） (2025-10-08T08:47:07Z) - Bayes-Entropy Collaborative Driven Agents for Research Hypotheses Generation and Optimization [4.469102316542763]
本稿では,HypoAgentsと呼ばれるマルチエージェント協調フレームワークを提案する。
多様性のサンプリングを通じて仮説を生成し、事前の信念を確立する。
その後、外部文献の証拠収集にRAG(erieval-augmented generation)を採用している。
情報エントロピー$H = - sum p_ilog p_i$ を用いて高不確かさ仮説を特定し、それらを積極的に洗練する。
論文 参考訳（メタデータ） (2025-08-03T13:05:32Z)
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。