論文の概要: Distill, Debate, Discover: Grounding Multi-Agent Research Ideation in Graph-Distilled Insights

• arxiv url: http://arxiv.org/abs/2610.33366v1
• Date: Fri, 23 Oct 2026 23:27:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.312911
• Title: Distill, Debate, Discover: Grounding Multi-Agent Research Ideation in Graph-Distilled Insights
• Title（参考訳）: 希薄、議論、発見:グラフ蒸留インサイトにおけるマルチエージェント研究の考え方
• Abstract要約: 文献を基盤としたエージェントの専門知識を構築するフレームワークであるInsightAgentsを紹介する。 コラボレーション中に研究者が蓄積した研究経験に着想を得た結果、InsightAgentsを紹介した。 NLP研究トピック100の3つの研究アイデア生成フレームワークに対してInsightAgentsを評価した。
• 参考スコア（独自算出の注目度）: 28.210455168214896
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are increasingly used to support research idea generation and scientific discovery. Multi-agent debate offers a collaborative approach to this task by bringing together diverse perspectives to develop research ideas. However, a key challenge is how to equip agents with distinct and meaningful expertise to guide their contributions. Inspired by how researchers draw on accumulated research experience during collaboration, we introduce InsightAgents, a framework that constructs literature-grounded agent expertise by distilling insights from graphs of related papers. Guided by insights that trace evolving research approaches, reveal underlying assumptions, and identify unresolved challenges, within a line of research, agents jointly identify a research problem and propose, challenge, and refine potential approaches through debate to develop a research proposal. We evaluate InsightAgents against three research idea generation frameworks on 100 NLP research topics through pairwise comparisons by two LLM judges. In both online and offline knowledge settings, InsightAgents achieves the highest average score across the five evaluation dimensions under both judges.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、研究アイデアの生成と科学的発見を支援するために、ますます使われている。 マルチエージェントの議論は、研究のアイデアを開発するために様々な視点をまとめることによって、この課題に対する協調的なアプローチを提供する。 しかし、重要な課題は、エージェントに独自で意味のある専門知識を与えて、彼らの貢献を導く方法である。 共同作業中に研究者が蓄積した研究経験から着想を得たInsightAgentsは、関連する論文のグラフから洞察を抽出し、文献を基盤としたエージェントの専門知識を構築するフレームワークである。 進化する研究アプローチを辿り、基礎となる仮定を明らかにし、未解決の課題を識別する洞察に導かれ、エージェントは研究課題を共同で特定し、研究提案を開発するための議論を通じて潜在的アプローチを提案し、挑戦し、洗練する。 LLM審査員2人のペアワイズ比較により,100のNLP研究トピックを対象とした3つの研究アイデア生成フレームワークに対するInsightAgentsの評価を行った。 オンラインとオフラインの両方の知識設定において、InsightAgentsは、双方の審査員による5つの評価次元の平均スコアを達成している。

関連論文リスト

• Perspectra: Choosing Your Experts Enhances Critical Thinking in Multi-Agent Research Ideation [15.43042911424345]
  本稿では,PLMエージェント間の対話型MASであるPerspectraについて,フォーラムスタイルのインタフェースを用いて検討する。 参加者18名を対象に,グループチャットベースラインとPerspectraを比較した。 以上の結果から,Perspectraは批判的思考行動の頻度と深さを有意に増加させ,学際的回答を多く引き起こし,より頻繁な提案修正を導いた。
  論文  参考訳（メタデータ） (2025-09-24T20:39:06Z)
• Beyond Brainstorming: What Drives High-Quality Scientific Ideas? Lessons from Multi-Agent Collaboration [59.41889496960302]
  本稿では,構造化マルチエージェントの議論が独創的思考を超えうるかどうかを考察する。 研究提案を作成するための協調型マルチエージェントフレームワークを提案する。 エージェントベースのスコアリングと,新規性,戦略的ビジョン,統合深度といった領域にわたるヒューマンレビューを備えた包括的プロトコルを採用している。
  論文  参考訳（メタデータ） (2025-08-06T15:59:18Z)
• ResearcherBench: Evaluating Deep AI Research Systems on the Frontiers of Scientific Inquiry [22.615102398311432]
  我々は、ディープAI研究システムの能力を評価することに焦点を当てた最初のベンチマークであるResearcherBenchを紹介する。 現実の科学的シナリオから専門的に選択された65の質問のデータセットを収集した。 OpenAI Deep ResearchとGemini Deep Researchは、他のシステムよりも格段に優れており、オープンエンドのコンサルティングの質問では特に強みがある。
  論文  参考訳（メタデータ） (2025-07-22T06:51:26Z)
• AAAR-1.0: Assessing AI's Potential to Assist Research [34.88341605349765]
  AAAR-1.0は,大規模言語モデル(LLM)の性能を評価するためのベンチマークデータセットである。 AAAR-1.0は、以前のベンチマークと大きく異なる2つの主要な方法である: 第一に、明らかに研究指向で、深いドメインの専門知識を必要とするタスク、第二に、研究者が日々従事する主要なアクティビティを反映する研究者指向である。
  論文  参考訳（メタデータ） (2024-10-29T17:58:29Z)
• Chain of Ideas: Revolutionizing Research Via Novel Idea Development with LLM Agents [64.64280477958283]
  科学文献の急激な増加は、研究者が最近の進歩と意義ある研究方向を見極めるのを困難にしている。 大規模言語モデル(LLM)の最近の発展は、新しい研究のアイデアを自動生成するための有望な道のりを示唆している。 本研究では, チェーン構造に関連文献を整理し, 研究領域の進展を効果的に反映する, LLMベースのエージェントであるChain-of-Ideas(CoI)エージェントを提案する。
  論文  参考訳（メタデータ） (2024-10-17T03:26:37Z)
• ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
  ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。 ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。 我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-11T13:36:29Z)
• Acceleron: A Tool to Accelerate Research Ideation [15.578814192003437]
  Acceleronは、研究ライフサイクルの異なるフェーズのための研究アクセラレータである。 これは、新しい研究課題を含む包括的な研究提案の定式化を通じて、研究者を導くものである。 我々はLarge Language Models(LLM)の推論とドメイン固有のスキルを活用してエージェントベースのアーキテクチャを作成します。
  論文  参考訳（メタデータ） (2024-03-07T10:20:06Z)

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。