IRIS: Interactive Research Ideation System for Accelerating Scientific Discovery

要約

大規模な言語モデル（LLMS）の能力の急速な進歩は、極めて重要な疑問を提起します。LLMSはどのようにして科学的発見を加速できますか？
この研究は、研究の重要な第一段階に取り組み、新しい仮説を生み出します。
自動仮説の生成に関する最近の研究は、マルチエージェントフレームワークとテスト時間計算の拡張に焦点を当てていますが、相乗的な人間のループ（HITL）アプローチを通じて、透明性と操縦性を効果的に組み込むアプローチはありません。
このギャップに対処するために、IRIS：Interactive Research Ideation Systemを紹介します。これは、研究者がLLM支援の科学的アイデアを活用するために設計されたオープンソースプラットフォームです。
IRISには、モンテカルロツリー検索（MCTS）を介した適応テスト時間計算拡張、微細粒度フィードバックメカニズム、クエリベースの文献合成など、アイデアを強化するための革新的な機能が組み込まれています。
アイデア化プロセスを通じて、より大きな制御と洞察を持つ研究者に力を与えるように設計されています。
さらに、さまざまな分野の研究者とのユーザー調査を実施し、アイデアを強化する際のシステムの有効性を検証します。
https://github.com/anikethh/iris-interactive-research-ideation-systemでコードをオープンします

要約(オリジナル)

The rapid advancement in capabilities of large language models (LLMs) raises a pivotal question: How can LLMs accelerate scientific discovery? This work tackles the crucial first stage of research, generating novel hypotheses. While recent work on automated hypothesis generation focuses on multi-agent frameworks and extending test-time compute, none of the approaches effectively incorporate transparency and steerability through a synergistic Human-in-the-loop (HITL) approach. To address this gap, we introduce IRIS: Interactive Research Ideation System, an open-source platform designed for researchers to leverage LLM-assisted scientific ideation. IRIS incorporates innovative features to enhance ideation, including adaptive test-time compute expansion via Monte Carlo Tree Search (MCTS), fine-grained feedback mechanism, and query-based literature synthesis. Designed to empower researchers with greater control and insight throughout the ideation process. We additionally conduct a user study with researchers across diverse disciplines, validating the effectiveness of our system in enhancing ideation. We open-source our code at https://github.com/Anikethh/IRIS-Interactive-Research-Ideation-System

arxiv情報

提供元, 利用サービス

arxiv.jp, Google