論文の概要: Sage-A1.5: From Long-Horizon Execution to Scientific Exploration with Capability Composition
- arxiv url: http://arxiv.org/abs/2610.28578v1
- Date: Tue, 20 Oct 2026 17:32:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.950653
- Title: Sage-A1.5: From Long-Horizon Execution to Scientific Exploration with Capability Composition
- Title（参考訳）: Sage-A1.5: 長期実行から科学探査まで
- Abstract要約: 本稿では,A1をベースとした35B混合エージェントモデルであるSage-A1.5を紹介する。
A1と比較すると、Sage-A1.5は個々のタスクの解決だけでなく、作業の整理や実行時のアプローチの見直しも学んでいる。
- 参考スコア（独自算出の注目度）: 162.64057984873253
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this report, we introduce Sage-A1.5, a 35B Mixture-of-Experts agentic model that builds on A1 to advance long-horizon problem solving through adaptive capability composition. Compared with A1, Sage-A1.5 learns not only to solve individual tasks, but also to organize work and revise its approach during execution. Sage-A1.5 highlights three improvements: agentic orchestration, verification, and open scientific discovery. First, agentic orchestration extends single-agent execution through task delegation and parallel collaboration among subagents with isolated contexts, enabling complex tasks to be decomposed and addressed concurrently and supporting efficient execution while reducing interference across concurrent subagents. Second, agentic verification strengthens long-horizon reliability through progress checking, evidence validation, and reflective strategy revision, allowing the agent to recognize unproductive search paths and pursue alternative approaches. Third, open scientific discovery extends agentic capabilities beyond answering predefined questions to conducting exploratory research, connecting scientific inquiry with interactive analysis and inspectable research artifacts. We showcase these capabilities through complicated agentic tasks and multidisciplinary scientific applications. Besides, we hope Sage-A1.5 provides the community with an accessible foundation for open scientific discovery, offering a practical path from long-horizon task execution to collaborative, verifiable, and inspectable scientific exploration.
- Abstract（参考訳）: 本稿では,A1をベースとした35B混合エージェントモデルであるSage-A1.5を紹介する。
A1と比較すると、Sage-A1.5は個々のタスクの解決だけでなく、作業の整理や実行時のアプローチの見直しも学んでいる。
Sage-A1.5はエージェントオーケストレーション、検証、オープンな科学的発見という3つの改善点を強調している。
エージェントオーケストレーションは、タスクデリゲートと分離されたコンテキストを持つサブエージェント間の並列コラボレーションを通じて、単一エージェントの実行を拡張し、複雑なタスクを分解して並列に処理し、並列サブエージェント間の干渉を低減しながら効率的な実行をサポートする。
第2に、エージェント検証は、進捗チェック、エビデンス検証、リフレクティブ戦略修正を通じて長期信頼性を強化し、非生産的な探索経路を認識し、代替アプローチを追求することを可能にする。
第三に、オープンな科学的発見は、事前に定義された質問に答えるだけでなく、探索的な研究を行い、科学的調査と対話的な分析と検査可能な研究成果を結びつけている。
複雑なエージェント・タスクと多分野の科学的応用を通してこれらの能力を実証する。
さらに、Sage-A1.5はオープンな科学的発見のためのアクセス可能な基盤を提供し、長期のタスク実行から、協調的で検証可能で検査可能な科学的探索まで、実践的なパスを提供することを期待しています。
関連論文リスト
- Agensh: Scaling Organizational Intelligence to 1,024 Agents [85.08934183130329]
Agenshは、中央のオーケストレータを持たないスケーラブルな自己組織化マルチエージェントハーネスである。
GPT-5.6-sol を用いて,最も難しい ProgramBench タスクを5つ評価した。
1から128エージェントへのスケーリングでは、最終テストパス率は19.31%から28.78%に上昇する。
パンドックでは、1から1,024のエージェントが最終テストパスレートを33.89%から55.06%に引き上げる。
論文 参考訳（メタデータ） (2026-09-22T17:56:25Z) - Benchmarking AI Agents for Addressing Scientific Challenges Across Scales [118.2204632627895]
SciAgentArenaは、現実世界の科学研究シナリオでAIエージェントを評価するための体系的なベンチマークである。
ステップワイズ検証を備えた約200のタスクと、多様なAIエージェントを評価するためのインタラクティブでエージェントに依存しない環境で構成される。
タスク構造や評価基準が明確である場合, 現状のエージェントはデータ分析に効果的に貢献できることがわかった。
論文 参考訳（メタデータ） (2026-06-10T22:55:30Z) - CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery [67.47220507982522]
大規模言語モデル(LLM)ベースの進化は、オープンな発見のための有望なアプローチである。
オープンエンド問題における自律的マルチエージェント進化のための最初のフレームワークであるCORALを紹介する。
コーラルは、厳格な制御を長期にわたるエージェントに置き換え、探索し、反射し、協力する。
論文 参考訳（メタデータ） (2026-04-02T05:59:06Z) - InternAgent-1.5: A Unified Agentic Framework for Long-Horizon Autonomous Scientific Discovery [138.0404718571971]
InternAgent-1.5は、エンドツーエンドの科学的発見を目的とした統合システムである。
このシステムは、生成、検証、進化のための3つの調整されたサブシステムで構成される構造化アーキテクチャ上に構築されている。
InternAgent-1.5をGAIA,HLE,GPQA,FrontierScienceなどの科学的推論ベンチマークで評価した。
論文 参考訳（メタデータ） (2026-02-09T18:36:06Z) - AstaBench: Rigorous Benchmarking of AI Agents with a Scientific Research Suite [75.58737079136942]
本稿では,AstaBenchについて紹介する。AstaBenchは,科学的研究を行うためのエージェント能力の総合的な測定を行うスイートである。
私たちのスイートには、プロダクショングレードの検索ツールを備えた、最初の科学研究環境が付属しています。
22のエージェントクラスで57のエージェントを評価したところ,いくつかの興味深い結果が得られた。
論文 参考訳（メタデータ） (2025-10-24T17:10:26Z) - COMPASS: Enhancing Agent Long-Horizon Reasoning with Evolving Context [17.575806280348797]
小さなエラーはステップにまたがって複雑で、最先端のモデルでさえしばしばコヒーレンスを幻覚または失う。
本稿では,戦術的実行,戦略的監視,文脈的組織を3つの特殊コンポーネントに分離する軽量階層型フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-09T20:14:26Z) - AgentRxiv: Towards Collaborative Autonomous Research [3.583084119066612]
AgentRxivは、エージェントが研究目標に向けて協力し、研究者が発見を加速できるようにする。
最高のパフォーマンス戦略が他の領域のベンチマークに一般化されることが分かりました。
これらの結果は、自律エージェントが未来のAIシステムを人間と一緒に設計する役割を担っていることを示唆している。
論文 参考訳（メタデータ） (2025-03-23T15:16:42Z)
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。