論文の概要: CollabSciReM: Aligning Language Models for Scientific Conversations via Science-Aware Reward Decomposition
- arxiv url: http://arxiv.org/abs/2610.27901v1
- Date: Tue, 20 Oct 2026 09:18:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.738611
- Title: CollabSciReM: Aligning Language Models for Scientific Conversations via Science-Aware Reward Decomposition
- Title（参考訳）: CollabSciReM:サイエンス・アウェア・リワード分解による科学的会話のための言語モデルの調整
- Abstract要約: 大規模言語モデル(LLM)は、仮説修正、方法論計画、技術分析のための研究協力者として、ますます使われている。
科学非依存の一般協力報酬は,科学的厳密さを犠牲にして圧縮応答を示す。
セッションレベルの報酬を会話の質、科学的厳密さ、構造的効率に分解する目標条件付き報酬フレームワークであるCollabSciReMを提案する。
- 参考スコア（独自算出の注目度）: 2.6920354501838637
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large Language Models (LLMs) are increasingly used as research collaborators for hypothesis refinement, methodological planning, and technical analysis across multi-turn interactions. In this setting, a useful assistant must be accurate, methodologically justified, logically consistent, and token-efficient. Current alignment approaches rarely achieve all of these together. Instruction-tuned models gain conversational quality through verbosity, and we show that science-agnostic general collaborative rewards compress responses at the expense of scientific rigor. We propose CollabSciReM, a goal-conditioned reward framework that decomposes the session-level reward into conversational quality, scientific rigor, and structural efficiency. We also introduce SciQuality, a pairwise evaluation of multi-turn research conversations grounded in 300 held-out scientific papers and scored on six dimensions: methodological soundness, justification, logical consistency, factual correctness, novelty, and responsiveness. Fine-tuned on 8.62K synthetic research conversations, CollabSciReM is preferred on SciQuality over a science-agnostic reward baseline trained on the same data for all four Llama and Qwen models, including a 65.3% win rate at matched response length. For the 7B and 8B models, CollabSciReM outperforms the science-agnostic reward baseline on the primary metric in 8 of 10 single- and multi-turn benchmark settings. In a blind study, domain experts rated CollabSciReM significantly higher on novelty than the general-reward variant and reported fewer hallucinated responses than both the general-reward variant and the base model.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、仮説の洗練、方法論的な計画、多ターン相互作用の技術的分析のための研究協力者として、ますます使われている。
この設定では、有用なアシスタントは正確で、方法論的に正当化され、論理的に一貫性があり、トークン効率が良くなければならない。
現在のアライメントアプローチがこれらすべてを実現することは滅多にない。
学習指導モデルでは, 言語性によって会話の質が向上し, 科学的厳密さを犠牲にして, 科学に依存しない総合的な報酬が圧縮応答をもたらすことを示す。
セッションレベルの報酬を会話の質、科学的厳密さ、構造的効率に分解する目標条件付き報酬フレームワークであるCollabSciReMを提案する。
SciQualityは300の科学的論文に基づき、方法論的健全性、正当性、論理的整合性、事実的正当性、新規性、応答性という6つの次元で評価されたマルチターン研究会話のペアワイズ評価である。
8.62Kの合成研究の会話を微調整したCollabSciReMは、LlamaとQwenの4つのモデルで同じデータでトレーニングされた科学に依存しない報酬ベースラインよりもSciQualityの方が好まれる。
7Bと8Bモデルでは、CollabSciReMは10のシングルターンとマルチターンのベンチマーク設定のうち8つのプライマリメトリックにおいて、科学に依存しない報酬ベースラインを上回っている。
盲目的研究において、ドメインの専門家はCollabSciReMを一般逆変種よりも新規性が有意に高く評価し、一般逆変種と基本モデルの両方よりも幻覚反応が少ないことを報告した。
関連論文リスト
- TRACES: A Benchmark for Epistemic Reliability in Scientific Reasoning by LLMs [0.0]
下流検証が存在しない領域では、科学的なエージェントとして大きな言語モデルが提案されている。
筆者らは,42枚の抽出,不正,疑似科学的論文からなるプローブコーパスを,各論文のフレーミングと単発モデルエンゲージメントを抽出・評価する手法と組み合わせて導入した。
プローブは、5つのクレームタイプ、製造された観測、擬似物理機構、魔法の前提、合法化橋、貨物カルト実験である。
論文 参考訳（メタデータ） (2026-08-11T20:30:32Z) - SCICONVBENCH: Benchmarking LLMs on Multi-Turn Clarification for Task Formulation in Computational Science [3.9311288356229057]
大規模言語モデル(LLM)は、科学的なAIとしてますます多くデプロイされている。
本稿では,SCICONVBENCHを科学タスクの定式化におけるマルチターン明確化のベンチマークとして紹介する。
我々のベンチマークは、構造化されたタスクとルーブリックベースの評価フレームワークをペアリングする。
論文 参考訳（メタデータ） (2026-05-18T16:34:45Z) - RPC-Bench: A Fine-grained Benchmark for Research Paper Comprehension [65.81339691942757]
RPC-Bench(RPC-Bench)は、高品質なコンピュータサイエンス論文のレビュー・リビューの交換から構築された大規模質問応答ベンチマークである。
我々は、科学研究の流れに沿ったきめ細かい分類を設計し、モデルがなぜ、何、どのように学術的な文脈で質問するかを理解し、答える能力を評価する。
論文 参考訳（メタデータ） (2026-01-14T11:37:00Z) - HiSciBench: A Hierarchical Multi-disciplinary Benchmark for Scientific Intelligence from Reading to Discovery [50.8841471967624]
HiSciBenchは、完全な科学的ワークフローを反映した5つのレベルにわたる基礎モデルを評価するために設計された階層的なベンチマークである。
HiSciBenchには、6つの主要な科学分野にまたがる8,735件の慎重に管理された事例が含まれている。
論文 参考訳（メタデータ） (2025-12-28T12:08:05Z) - Probing Scientific General Intelligence of LLMs with Scientist-Aligned Workflows [203.3527268311731]
PIM(Practical Inquiry Model)に基づく運用SGI定義を提案する。
深層研究、アイデア生成、ドライ/ウェット実験、実験推論の4つのタスクを通じて運用しています。
私たちのPIMによる定義、ワークフロー中心のベンチマーク、実証的な洞察は、真に科学的な発見に参加するAIシステムの基盤を確立します。
論文 参考訳（メタデータ） (2025-12-18T12:44:36Z) - A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。
この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。
我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
論文 参考訳（メタデータ） (2025-08-28T18:30:52Z) - Leveraging Large Language Models for Generating Research Topic Ontologies: A Multi-Disciplinary Study [0.8633013637160062]
本研究では,研究トピック間の意味的関係を識別する大規模言語モデルについて検討する。
実験の結果,PEM-Rel-8Kの微調整により,すべての分野において優れた性能が得られることがわかった。
論文 参考訳（メタデータ） (2025-08-28T11:53:45Z) - Large Language Models for Scholarly Ontology Generation: An Extensive Analysis in the Engineering Field [0.0]
本稿では,異なる研究トピック間の意味的関係を識別する大規模モデルの能力について分析する。
我々はそのタスクを評価するためにIEEE Thesaurusに基づく金の標準を開発した。
Mixtral-8x7B、Dolphin-Mistral、Claude 3-7Bなど、いくつかの優れた結果が得られた。
論文 参考訳（メタデータ） (2024-12-11T10:11:41Z) - Towards Effective and Efficient Continual Pre-training of Large Language Models [163.34610964970258]
CPT(Continuous pre-training)は、特定のドメインやタスクに言語モデルを適用する上で重要なアプローチである。
本稿では,Llama-3 (8B) の継続事前訓練に関する技術的報告を報告する。
バックボーンモデルの中国語能力と科学的推論能力を大幅に向上させる。
論文 参考訳（メタデータ） (2024-07-26T13:55:21Z)
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。