AI 自動翻訳
arXiv:2610.33366v1 公表タイプ：新規
要旨：大規模言語モデル（LLM）は、研究アイデアの創出や科学的発見を支援するため、ますます広く活用されています。マルチエージェントによるディベートは、多様な視点を結集して研究アイデアを生み出す協調的な手法です。しかし、重要な課題は、各エージェントにそれぞれ特有で有意義な専門知識を付与し、その貢献を適切に導く方法です。研究者が共同作業の過程で蓄積された研究経験を活用する仕組みに着想を得て、本研究では、関連論文のグラフから得られる知見を精緻化することで、文献に基づいたエージェントの専門性を構築するフレームワーク「InsightAgents」を提案します。研究分野内における研究アプローチの変遷を追跡し、背後にある仮定を明らかにし、未解決の課題を特定するといった洞察を基に、エージェントたちは共同で研究課題を特定し、議論を通じて潜在的なアプローチを提案・検証・洗練させながら、研究提案を策定します。我々は、2人のLLM審査員による対比評価を通じて、100のNLP関連の研究テーマに対して、3つの研究アイデア創出フレームワークとInsightAgentsを比較評価しました。オンラインおよびオフラインの知識環境の両方において、InsightAgentsはいずれの審査員のもとでも、5つの評価軸すべてで最高の平均スコアを獲得しました。