論文の概要: Does Recursive Knowledge Construction Help Agents Verify Consensus Claims in Science?

• arxiv url: http://arxiv.org/abs/2610.40906v1
• Date: Thu, 29 Oct 2026 19:27:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.480195
• Title: Does Recursive Knowledge Construction Help Agents Verify Consensus Claims in Science?
• Title（参考訳）: 再帰的知識構築支援エージェントは科学における合意の証明に役立つか?
• Abstract要約: 近年の科学的エージェントは、証拠を回収し、中間状態を構築し、その状態に十分な情報が含まれているかどうかを判断することで知識を構築する。 ここでは,(1)再帰が作り出すもの(証拠の状態)と(2)それを制御するもの(停止を決める判断者)の2つの設計軸について検討した。 私たちは、ProClaim-evalという新しいコンセンサス・クレーム・データセットを構築しました。
• 参考スコア（独自算出の注目度）: 6.668763957954636
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent scientific agents build knowledge recursively by retrieving evidence, constructing an intermediate state, and judging whether that state contains sufficient information. These agents are evaluated end-to-end, usually without ground truth, so the effect of each design choice is unknown. Here, we examined two design axes: (1) what the recursion builds (the state of evidence) and (2) what controls it (the judge that decides when to stop). To measure them, we defined consensus scientific claim verification and measured these effects on this task, where a system must establish a claim's consensus stance from the open literature. We built a new consensus claim dataset, ProClaim-eval, including 718 claims with SUPPORT and REFUTE gold labels from five expert-curated databases spanning molecular biology, nuclear physics, and astronomy. Our instrument, ProClaim, persists an evidence state outside the model's context, so each axis can be studied with the other held fixed. Against verification systems and general-purpose agent harnesses, ProClaim ranks among the top three, with a significant advantage over the harnesses. We found that the evidence state improves performance over in-context accumulation, and it also matters what is stored in it. In addition, a trained judge that reads the evidence state performs better than fixed-round stopping. A judge trained separately and never exposed to ProClaim-eval achieves the highest agreement with the gold labels on three of five subsets, where it matches the off-the-shelf Claude Sonnet~4.6 judge and outperforms Claude Haiku~4.5. Our results support recursively maintaining a structured evidence state outside the model's context as an effective design for verifying claims in scientific agents.
• Abstract（参考訳）: 近年の科学的エージェントは、証拠を回収し、中間状態を構築し、その状態に十分な情報が含まれているかどうかを判断することで、再帰的に知識を構築する。 これらのエージェントは、通常、根拠のないエンドツーエンドで評価されるため、それぞれの設計選択の効果は不明である。 そこで我々は,(1)再帰が作り出すもの(証拠の状態)と(2)それを制御するもの(停止を決める判断者)の2つの設計軸について検討した。 そこで,これらの課題に対して,オープンな文献からアサーションのコンセンサススタンスを確立する必要がある,という課題に対して,コンセンサスによる科学的クレーム検証を定義し,これらの効果を測定した。 ProClaim-evalという新たなコンセンサス・クレーム・データセットを構築しました。ProClaim-evalには、分子生物学、核物理学、天文学にまたがる5つの専門家による5つのデータベースから718のクレームとREFUTEのゴールドラベルが含まれています。 我々の装置であるProClaimは、モデルのコンテキストの外側にエビデンス状態を保持するので、各軸を他の固定された状態で研究することができる。 検証システムと汎用エージェントハーネスに対して、ProClaimは上位3つにランクされ、ハーネスに対して大きな優位性を持つ。 その結果、エビデンス状態はコンテキスト内蓄積よりもパフォーマンスを向上し、その中に格納されているものについても問題となることがわかった。 さらに、エビデンス状態を読む訓練された裁判官は、固定ラウンド停止よりも優れたパフォーマンスを発揮する。 個別に訓練されプロクライム・エスバルに晒されることは無かった裁判官は、5つのサブセットのうち3つのゴールド・レーベルと最高の合意を達成し、クロード・ソネット=4.6の審査員と一致し、クロード・ハイク=4.5を上回った。 本研究は,科学的エージェントのクレームを検証するための効果的な設計として,モデルコンテキスト外の構造化されたエビデンス状態を再帰的に維持することを支援する。

関連論文リスト

• When Evidence Changes the Subject: Subject-Typed Claim Licensing for Learned Routing [8.518659405077218]
  複合システムには第2の次元、すなわち科学的主題が必要であると我々は主張する。 この問題に対処するために、要求対象に関するより弱い結論を、他の対象に関する肯定的かつ非代替的な信用から分離する、主観的クレームライセンシング(subject-typed claim license)を用いて対処する。
  論文  参考訳（メタデータ） (2026-09-27T12:15:43Z)
• DISCERN: Can AI Agents Work Like Scientists and Guide Discovery? [54.755189648365565]
  私たちは、自動研究ワークフローの3つの重要なレベルを評価するために、実際に利用可能なデータセットのベンチマークであるdisCERNを紹介します。 エージェントはレベル1の60.8%、レベル2の34.2%、レベル3の評価の0.6%で完璧なスコアを得る。 これらのプロファイルは、科学的な援助を監督する機会を特定するが、現在のエージェントは信頼できる自律的な分析や発見をまだ示していない。
  論文  参考訳（メタデータ） (2026-09-27T08:29:32Z)
• Conditional Visual Evidence Utility: State-Dependent Rank Reversals in Frozen Vision-Language Encoders [2.0411082897313984]
  色, 形状, テクスチャのエビデンスを独立に露呈し, その条件付き限界効用が取得状態全体にわたって測定可能であることを示す。 800のシーンにおいて、凍結されたOpenCLIPとSigLIPは、強い状態依存のランク逆転を示す。 第1の取得後のみ、決定が1つのエビデンスモード、ワードリング、バックボーンで選択されると、肯定的なステップ2ユーティリティが生成される。
  論文  参考訳（メタデータ） (2026-08-28T13:25:40Z)
• SciLens: Multi-modal Scientific Claim Verification with Agentic Entailment and Grounding [63.71245376513854]
  SciLensは、マルチモーダルな科学的クレーム検証のためのエビデンス条件の原子包含フレームワークである。 SciLensは、それぞれの主張を中央の経験的原子と背景の原子に分解し、中央の原子をモダリティ固有の証拠として根拠付け、最終的なラベルを予測する。 表では、原子は行、列、セル、算術関係、テーブルスコープに接地され、図ではパネル、軸、伝説、視覚的エンコーディング、カテゴリー、傾向、ランク、等式チェックによって接地される。
  論文  参考訳（メタデータ） (2026-06-18T19:02:17Z)
• SIN-Bench: Tracing Native Evidence Chains in Long-Context Multimodal Scientific Interleaved Literature [92.88058660627678]
  FITO(Fish-in-the-Ocean)パラダイムは、科学文書の中に明確なクロスモーダルなエビデンスチェーンを構築するモデルを必要とする。 我々は、証拠発見(SIN-Find)、仮説検証(SIN-Verify)、接地QA(SIN-QA)、エビデンスアンコレッド合成(SIN-Summary)の4つのプログレッシブなタスクでSIN-Benchを構築する。 検証可能なアンカーに基づき、マッチング、関連性、論理による証拠品質の診断を行う際に、予測値を評価する「No Evidence, No Score」を導入する。
  論文  参考訳（メタデータ） (2026-01-15T06:25:25Z)
• RIGOURATE: Quantifying Scientific Exaggeration with Evidence-Aligned Claim Evaluation [29.44948404858214]
  RIGOURATEは、紙の本体から証拠を回収し、各クレームにオーバーステートメントスコアを割り当てる。 このフレームワークは、ICLRとNeurIPSの論文から10K以上のクレームエビデンスセットのデータセットで構成されている。
  論文  参考訳（メタデータ） (2026-01-07T19:36:08Z)
• Contrastive Learning to Improve Retrieval for Real-world Fact Checking [84.57583869042791]
  ファクト・チェッキング・リランカ(Contrastive Fact-Checking Reranker, CFR)を提案する。 我々はAVeriTeCデータセットを活用し、証拠文書からの人間による回答とクレームのサブクエストを注釈付けする。 データセットの精度は6%向上した。
  論文  参考訳（メタデータ） (2024-10-07T00:09:50Z)
• SCITAB: A Challenging Benchmark for Compositional Reasoning and Claim Verification on Scientific Tables [68.76415918462418]
  本報告では,1.2Kの専門的な科学的クレームからなる,挑戦的な評価データセットであるSCITABについて述べる。 広範な評価を通じて、SCITABは最先端のモデルに重大な課題をもたらすことを示した。 SCITABは,表の接地,主張のあいまいさ,構成的推論など,いくつかの独特な課題を明らかにした。
  論文  参考訳（メタデータ） (2023-05-22T16:13:50Z)
• RerrFact: Reduced Evidence Retrieval Representations for Scientific Claim Verification [4.052777228128475]
  本稿では,各予測サブタスクに対して連続的に二項分類を行うモジュラー手法を提案する。 我々は、まず非関連な有理を区別し、与えられた主張に対する支持または反証する有理を識別する2段階のスタンス予測を行う。 実験的に、我々のシステムRerrFactは微調整もシンプルな設計もせず、モデルパラメータのごく一部はリーダーボード上で競争的に公正である。
  論文  参考訳（メタデータ） (2022-02-05T21:52:45Z)
• AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
  実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。 アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。 我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
  論文  参考訳（メタデータ） (2021-04-01T17:40:08Z)

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。