論文の概要: TRACE: Governing AI-Assisted Research with Principles from Computer Science

• arxiv url: http://arxiv.org/abs/2610.24035v1
• Date: Fri, 16 Oct 2026 11:27:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 11:30:54.150219
• Title: TRACE: Governing AI-Assisted Research with Principles from Computer Science
• Title（参考訳）: TRACE:AI支援研究をコンピュータサイエンスの原則で支配する
• Abstract要約: TRACEはAI支援研究プロジェクトのためのオープンソースのオペレーティングシステムである。 共有された指示、ツール、記録を通じて原則を実践する。 我々は、研究コミュニティがAIから恩恵を受けることができる統治原則に関する議論を開くことを目指している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence (AI) makes it easier than ever to produce research outputs. The pressing question is how researchers should organize their work with this technology. The question is not new: software engineering and security research have long studied how teams of people and machines keep control of a shared body of work with many contributors. We distil principles from the practices these literatures report and transpose them to AI-assisted research. The principles form TRACE: Track records, Review against sources, Accept independently, Control transitions, and Evaluate corrections. Together, the five principles give researchers a common basis for remaining in control while integrating AI into their workflows. By bounding units of work and attending to how each is shaped, they help researchers pace AI-assisted work to human attention rather than to the speed at which AI produces content. We also introduce TRACE-OS, an open source operating system for AI-assisted research projects. It puts the principles into practice through shared instructions, tools, and records that fit researchers' existing workflows. The shared standard can contribute to building trust, which allows teams to delegate and realize the productivity that AI promises. More broadly, we aim to open a conversation about the governing principles through which the research community can benefit from AI.
• Abstract（参考訳）: 人工知能(AI)は、これまで以上に研究成果の創出を容易にする。 問題は、研究者がこの技術でどのように仕事を整理すべきかだ。 ソフトウェアエンジニアリングとセキュリティ研究は、長い間、人や機械のチームが、多くのコントリビュータと共有された仕事の組織をどのようにコントロールしているかを研究してきた。 我々は、これらの文献が報告する実践から原則を排除し、それらをAI支援研究に変換する。 TRACE: 記録の追跡、ソースに対するレビュー、独立して受け入れ、制御遷移、修正の評価。 5つの原則を合わせて、AIをワークフローに統合しながら、コントロールを継続するための共通基盤を提供する。 作業単位を束縛し、それぞれの形に合わせることで、AIがコンテンツを制作するスピードよりも、AI支援の作業を人間の注意に合わせるのに役立つ。 また,AI支援研究プロジェクトのためのオープンソースオペレーティングシステムであるTRACE-OSについても紹介する。 これは、研究者の既存のワークフローに適合する共有命令、ツール、記録を通じて、原則を実践する。 これにより、AIが約束する生産性を委譲し、実現することができる。 より広範に、研究コミュニティがAIから恩恵を受けることができる統治原則に関する議論を開くことを目指している。

関連論文リスト

• Claw AI Lab: An Autonomous Multi-Agent Research Team [73.07229229907435]
  今回紹介するClaw AI Labは,ラボネイティブな自律型研究プラットフォームである。 1つのエージェントや固定されたシリアルワークフローを中心にシステムを集中するのではなく、ユーザーは1つのプロンプトから完全な研究チームをインスタンス化できる。 Claw-Code Harnessはローカル、データセット、チェックポイントを接続して実行可能な実験を行い、実行成果物を研究ループにフィードバックする。
  論文  参考訳（メタデータ） (2026-05-21T16:02:53Z)
• Rethinking Science in the Age of Artificial Intelligence [0.0]
  我々は、ピアレビュー、倫理的評価、検証のような学術的学問において、AIは強化されるが人間の判断に取って代わるものではないと論じる。 本稿では、透明性、妥当性、説明責任を促進する政策を通じて、科学実践におけるAIの故意導入を訴える。
  論文  参考訳（メタデータ） (2025-11-13T17:26:00Z)
• AI4Research: A Survey of Artificial Intelligence for Scientific Research [55.5452803680643]
  我々はAI for Research(AI4Research)に関する総合的な調査を行う。 まず、AI4Researchの5つの主要なタスクを分類する系統分類を導入する。 主要な研究ギャップを特定し、将来有望な方向性を明らかにする。
  論文  参考訳（メタデータ） (2025-07-02T17:19:20Z)
• O1 Replication Journey: A Strategic Progress Report -- Part 1 [52.062216849476776]
  本稿では,O1 Replication Journeyに具体化された人工知能研究の先駆的アプローチを紹介する。 我々の方法論は、長期化したチームベースのプロジェクトの不規則性を含む、現代のAI研究における重要な課題に対処する。 本稿では,モデルにショートカットだけでなく,完全な探索プロセスの学習を促す旅行学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2024-10-08T15:13:01Z)
• Articulation Work and Tinkering for Fairness in Machine Learning [5.4773558295476885]
  本稿では,コンピュータ科学と学際研究(SOI)の公正なAI分野における緊張関係について検討する。 公正なAIの場合、有効な研究に必要なタスク、リソース、アクターを分析します。 CS研究者はある程度SOI研究に携わるが、組織的条件、調音作業、社会世界のあいまいさはSOI研究の実施可能性を制限する。
  論文  参考訳（メタデータ） (2024-07-23T14:11:12Z)
• AI Usage Cards: Responsibly Reporting AI-generated Content [25.848910414962337]
  ChatGPTのようなAIシステムが、人間による作業と区別できないコンテンツを生成できることを考えると、この技術の責任を負うことが懸念される。 我々は、AIの責任ある使用を定義するために、透明性、完全性、説明責任からなる3次元モデルを提案する。 第2に、科学研究におけるAIの使用を報告するための標準化された方法である「AI Usage Cards」を紹介する。
  論文  参考訳（メタデータ） (2023-02-16T08:41:31Z)
• Stakeholder Participation in AI: Beyond "Add Diverse Stakeholders and Stir" [76.44130385507894]
  本稿では、既存の文献の参加と現在の実践の実証分析を通じて、AI設計における「参加的転換」を掘り下げることを目的としている。 本稿では,本論文の文献合成と実証研究に基づいて,AI設計への参加的アプローチを解析するための概念的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-11-01T17:57:04Z)
• Human-Centered AI for Data Science: A Systematic Approach [48.71756559152512]
  HCAI(Human-Centered AI)は、さまざまなヒューマンタスクをサポートするAI技術の設計と実装を目的とした研究活動である。 データサイエンス(DS)に関する一連の研究プロジェクトを使ってHCAIにどのようにアプローチするかをケーススタディとして紹介する。
  論文  参考訳（メタデータ） (2021-10-03T21:47:13Z)

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。