論文の概要: Sage-Taiyi: A Metacognitive Architecture for Scientific Discovery
- arxiv url: http://arxiv.org/abs/2611.12762v2
- Date: Fri, 13 Nov 2026 08:33:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.221244
- Title: Sage-Taiyi: A Metacognitive Architecture for Scientific Discovery
- Title(参考訳): Sage-Taiyi:科学発見のためのメタ認知アーキテクチャ
- Abstract要約: メタ認知にインスパイアされたアーキテクチャであるSage-Taiyiを紹介する。
10の分野にわたる50の論文から265のタスクからなるAI共同科学者の考えベンチマークであるTaiyi-Benchでは、Sage-Taiyiが、歴史的再検討とオープンエンドの考えの8つの指標でトップにランクインしている。
専門家が指導する5つのコラボレーションは、化学、材料科学、工学にまたがる実験的および計算的検証の提案をさらに結びつけている。
- 参考スコア(独自算出の注目度): 113.05028135318223
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Sage-Taiyi, a metacognition-inspired architecture that uses accumulated scientific understanding to guide what to investigate next and how to investigate it. Through explicit monitoring and control, the system revises its understanding of evidence, assumptions, and unresolved questions, then uses these assessments to adapt research targets and select reusable reasoning methods. On Taiyi-Bench, an AI co-scientist ideation benchmark comprising 265 tasks from 50 papers across ten disciplines, Sage-Taiyi ranks first on all eight metrics of historical rediscovery and open-ended ideation, achieving an Overall score of 54.0 compared with 47.9 for the strongest baseline, AI Scientist-v2. It also performs well on two external scientific ideation benchmarks. Five expert-guided collaborations further connect its proposals to experimental and computational validation across chemistry, materials science, and engineering. In chemistry, reaction-condition optimization raises the yield of cobalt-catalyzed carbonylation from trace amounts to 84% and photocatalytic allylic amination from 13% to 69%. These results support metacognitive regulation as an approach to scientific ideation and its progression toward practical validation.
- Abstract(参考訳): メタ認知にインスパイアされたアーキテクチャであるSage-Taiyiを紹介する。
明示的な監視と制御を通じて、システムは証拠、仮定、未解決の質問に対する理解を再考し、これらの評価を用いて研究対象に適応し、再利用可能な推論方法を選択する。
10の分野にわたる50の論文から265のタスクからなるAI共同科学者の考えベンチマークであるTaiyi-Bench では、Sage-Taiyi が8つの歴史的再検討とオープンエンドの考えの指標のトップにランクインし、最強のベースラインである AI Scientist-v2 では 47.9 に対して 54.0 のスコアを達成している。
また、2つの外部科学的思考ベンチマークでもうまく機能する。
専門家が指導する5つのコラボレーションは、化学、材料科学、工学にまたがる実験的および計算的検証の提案をさらに結びつけている。
化学において、反応条件最適化は、コバルト触媒によるカルボニル化の収率を微量から84%、光触媒アリルの収率を13%から69%に引き上げる。
これらの結果は、科学的観念へのアプローチと実践的検証に向けた進歩として、メタ認知的規制を支持している。
関連論文リスト
- PAPERBENCHX: Can AI Reproduce Science Across Disciplines? [30.406877789204447]
PAPERBENCHXは、12の研究領域にわたる93のエキスパートによるペーパー再現タスクのベンチマークである。
エージェントは、重要な実験を再構築し、それを実行し、診断し、ターゲットの科学的クレームをサポートする実行可能なワークフローを提供する。
その結果、紙の理解と再現可能な科学的証拠の確実な生成との間に大きなギャップが明らかとなった。
論文 参考訳(メタデータ) (2026-10-29T10:05:50Z) - DrugHarness: An Evolvable Agent Harness for Computational Drug Discovery [34.560811133037966]
DrugHarnessは、科学的実行と条件付きスキル誘導を結合した進化可能なエージェントである。
環境は80以上の科学活動、バイオメディカルリソース、タスク固有のコードを統合している。
ドラッグハーネスは、観察可能な適用性条件、推奨された行動、および証拠を支持する行動仮説を誘導する。
論文 参考訳(メタデータ) (2026-10-16T17:20:19Z) - IdeaScientist: Orchestrating Agents for Grounded Scientific Ideation [53.38412637382984]
本稿では,イデオロギーをギャップ発見,イノベーション,レポート作成に分解し,各役割を強化学習で訓練するIdeanScientistを紹介する。
これらの役割は、関連する作業の限界を特定し、類似した問題設定から解の直観を引き出し、それらの直観を完全な研究提案へと発展させる。
ドメイン間の洞察の発見を容易にするため、検索、トレーニング、時間的に制御された評価のための277万の研究思想のコーパスであるSvalbard Idea Vaultを構築した。
論文 参考訳(メタデータ) (2026-10-02T21:35:55Z) - ResearchClawBench: A Benchmark for End-to-End Autonomous Scientific Research [142.29356526274387]
我々は自律的な科学的研究を評価するためのベンチマークであるResearchClawBenchを紹介する。
各タスクは、実際の論文に基づき、関連する文献や生データを提供し、評価中に対象の論文を隠蔽する。
論文 参考訳(メタデータ) (2026-05-28T16:27:40Z) - 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) - MegaScience: Pushing the Frontiers of Post-Training Datasets for Science Reasoning [32.21228080662089]
1kの大学レベルの教科書から抽出した真正な参照回答を特徴とするオープンデータセットであるTextbookReasoningを提案する。
私たちは、合計125万のインスタンスからなる高品質なオープンソースデータセットの大規模な混合であるMegaScienceを紹介します。
実験により,我々のデータセットはより簡潔な応答長で優れた性能と訓練効率が得られることを示した。
論文 参考訳(メタデータ) (2025-07-22T17:59:03Z) - SciRIFF: A Resource to Enhance Language Model Instruction-Following over Scientific Literature [97.31347312130119]
SciRIFF(Scientific Resource for Instruction-Following and Finetuning)は、トレーニングと評価のための137K命令フォローインスタンスのデータセットで、54のタスクをカバーする。
これらのタスクは、情報抽出、要約、質問応答、クレーム検証、分類の5つの中核的な科学文献理解能力にまたがる。
SciRIFFは、さまざまな科学分野にわたる研究文献から情報を抽出し、合成するための、完全に専門家によって書かれた高品質な命令追跡データセットである。
論文 参考訳(メタデータ) (2024-06-10T21:22:08Z)
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。