論文の概要: Letting AI Formulate the Research Question: Autonomous Research Agents

• arxiv url: http://arxiv.org/abs/2610.39620v1
• Date: Thu, 29 Oct 2026 08:48:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.066547
• Title: Letting AI Formulate the Research Question: Autonomous Research Agents
• Title（参考訳）: AIが研究の疑問を定式化する:自律的な研究エージェント
• Abstract要約: 我々は、AIが研究の質問そのものを定式化させる研究を行い、我々は毎回報告する。 本システムは,既成のコーディングエージェントに対して,質問を定式化し,ピアレビューを行うための2つのスキルと命令文書を提供する。 5つの実行は、質問の定式化から、ラップトップ上でローカルな計算を行い、人間からのリサーチインプットがなく、外部のAIレビュアーが、ワークショップのレベルまたは近くで判断した論文のみを読むという、再計算可能な紙へと移行した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Systems such as The AI Scientist have shown that AI agents can carry out and write up research, but in those demonstrations humans chose the research area and selected the outputs to show. We study letting the AI formulate the research question itself, and we report every run. Our system gives an off-the-shelf coding agent an instruction document and two skills: one for formulating the question, in which the agent diverges from recent technologies into problems of other fields, screens its candidates for known failure modes and obtains a critique from a different model; and one for peer review, in which a reviewer from another model family reruns the study from its records before the agent revises the paper. Over 13 development runs, changes to the one or two sentences that set the research area coincided with large shifts in what the candidate questions and the chosen papers were about, which led us to the area of a new technology applied to a societal problem. We froze the system after a pilot run and report five consecutive runs: the pilot, counted by a disclosed amendment to the pre-registration, and four pre-registered runs. All five runs went from question formulation to a revised, re-computable paper, with local computation on a laptop and no research input from humans, and external AI reviewers reading only the papers judged them at or near workshop level. We release the system, the five papers and the records needed to reproduce them.
• Abstract（参考訳）: The AI Scientistのようなシステムは、AIエージェントが研究を実行して書き上げることができることを示したが、そのデモでは人間が研究領域を選択し、示すアウトプットを選択した。 我々は、AIが研究の質問そのものを定式化させる研究を行い、我々は毎回報告する。 本システムでは,既成のコーディングエージェントに命令書と2つのスキルを与える。1つは,エージェントが最新の技術から他の分野の課題に分岐し,その候補を既知の障害モードにスクリーニングし,異なるモデルから批評を得る,もう1つは,他のモデルファミリーのレビュアーが論文の改訂前にその研究記録から再評価する,ピアレビューである。 研究領域を定めている1つないし2つの文の変更は、候補の質問や選択した論文の話題が大きく変化したことと一致し、社会問題に適用された新しい技術領域へと繋がった。 パイロットランの後にシステムを凍結し、パイロットを5回連続して報告する: パイロットは事前登録の公表された修正によってカウントされ、事前登録された4回である。 5つの実行は、質問の定式化から、ラップトップ上でローカルな計算を行い、人間からのリサーチインプットがなく、外部のAIレビュアーが、ワークショップのレベルまたは近くで判断した論文のみを読むという、再計算可能な紙へと移行した。 システムと5つの論文とそれらの再生に必要な記録を公開します。

関連論文リスト

• PaperDoctor: Evidence-Grounded and Actionable Feedback for Scientific Papers in Progress [130.58520199343707]
  PaperDoctorは,3つの重要なイノベーションを備えた,サブミッション前のフィードバックのためのエージェントフレームワークである。 まず、全体論的階層的なフレームワークは、書き込み、レイアウト、参照、コード、理論、先行作業、実験を評価します。 第二に、各発見には、観察、文、方程式、コードラインなどの特定の証拠へのポインタ、修正提案が含まれる。 第3に、PaperDoctorはクレームの重要性と計算予算に基づいて実験を選択的に再構築し、再実行する。
  論文  参考訳（メタデータ） (2026-09-15T11:08:11Z)
• Personalized Auto-Research: Towards a True AI Co-Scientist [90.01790420664169]
  研究目標を考えると、最先端のシステムは研究者に依存しないままである。 小説、価値、実現可能なものは研究者によって異なる。 本稿では,検索,仮説探索,実験,執筆,レビューを通じて,グラフグラウンドの研究者コンテキストをスレッド化するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-14T20:43:27Z)
• Can AI agents conduct open-ended AI research? Early evidence from two case studies [16.75408134467252]
  エージェントがオープンエンドAI研究を実行できるかどうかの証拠は薄い。 現在の評価では、オープンエンドの調査を除外する狭いタスクでテストエージェントをテストするか、あるいは盲目のピアレビューにAI生成論文を提出する。 我々は、AI R&D自動化に向けた進歩を測定するための第3の方法を紹介します。
  論文  参考訳（メタデータ） (2026-07-29T17:57:19Z)
• AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
  研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。 我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。 障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
  論文  参考訳（メタデータ） (2026-05-18T17:08:26Z)
• OpenIIR: An Open Simulation Platform for Information Retrieval Research [1.1105673928718571]
  OpenIIRは、パラメータ化され再現可能なIR研究実験として、数百のLLM駆動のペルソナを実行する。 研究者は4種類のマルチエージェント研究のエージェントを構成する。 同じ研究を異なる設定で再実行して、成果を並べて比較することができる。
  論文  参考訳（メタデータ） (2026-05-10T04:46:58Z)
• AutoResearchBench: Benchmarking AI Agents on Complex Scientific Literature Discovery [55.70879973230979]
  AutoResearchBenchは、自律的な科学文献発見のためのベンチマークである。 エージェントWebブラウジングに関する以前のベンチマークと比較すると、AutoResearchBenchは研究指向である。 最も強力なLCMでさえ、BrowseCompのような一般的なエージェントによるWebブラウジングベンチマークをほとんど征服したにもかかわらず、Deep Researchでは9.39%、Wide Researchでは9.31%の精度しか達成していない。
  論文  参考訳（メタデータ） (2026-04-28T06:05:17Z)
• The Last Human-Written Paper: Agent-Native Research Artifacts [106.47848184955576]
  本稿では,物語紙を機械処理可能な研究パッケージに置き換えるプロトコルであるAgent-Native Research Artifact(ARA)を紹介する。 通常の開発において決定と終了をキャプチャするLive Research Manager、レガシPDFとリポジトリをARAに変換するARAコンパイラ、人間レビュアーが重要性、ノベルティ、味にフォーカスできるように客観的チェックを自動化するARAネイティブレビューシステムである。
  論文  参考訳（メタデータ） (2026-04-27T16:23:09Z)
• Supporting software engineering tasks with agentic AI: Demonstration on document retrieval and test scenario generation [0.0]
  2つのソフトウェアエンジニアリングタスクにエージェントAIソリューションを導入します。 まず,詳細な要件記述から自動テストシナリオ生成のためのソリューションを開発した。 第2に、ソフトウェア工学文書の文脈における文書検索タスクのためのエージェントAIソリューションを開発した。
  論文  参考訳（メタデータ） (2026-02-04T16:33:16Z)
• RelevAI-Reviewer: A Benchmark on AI Reviewers for Survey Paper Relevance [0.8089605035945486]
  本稿では,調査論文レビューの課題を分類問題として概念化するシステムであるRelevAI-Reviewerを提案する。 25,164のインスタンスからなる新しいデータセットを導入する。各インスタンスには1つのプロンプトと4つの候補論文があり、それぞれがプロンプトに関連している。 我々は,各論文の関連性を判断し,最も関連性の高い論文を識別できる機械学習(ML)モデルを開発した。
  論文  参考訳（メタデータ） (2024-06-13T06:42:32Z)

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。