arXiv cs.AIは8月13日(現地時間)、エンドツーエンドのオムニモーダル (omni-modal) AI科学者「オムニサイエンティスト (OmniScientist)」に関する論文を公開した。このシステムは、異種 (heterogeneous) の生データ (raw evidence) から学際的な (multidisciplinary) 研究を直接実行し、仮説生成から論文準備までの研究ワークフローを自動化する。5つの分野ファミリーと4つの科学的証拠ファミリーにわたる36の実データケースで評価された。
OmniScientistは、認識層 (perception layer) と、アイデア創出 (ideation)、実験 (experiment)、執筆 (writeup) のための3つの自律エージェントを、決定論的パイプライン内で動作させることで、研究ライフサイクル全体にわたり観測結果が研究課題、実験決定、最終的な主張を形成することを可能にする。
このシステムは、コード内でアイデア、厳密性、主張のチェックを実行し、新規性スクリーニング (novelty screening)、統計的妥当性 (statistical validity)、実行来歴 (execution provenance)、数値の追跡可能性 (numerical traceability) を強制する。
評価は、5つの分野ファミリー、4つの科学的証拠ファミリーにわたる36の実データケースで実施された。評価に用いたモダリティには、画像、信号、音声、動画、3D構造、軌跡、表、数式、グラフが含まれる。OmniScientistは全36ケースで生データから完成した論文 (compiled manuscript) までの全経路を完了し、参照推論バックボーン (reference reasoning backbone) で平均6.3の全体論文スコアを達成した。
事前計算されたスカラー特徴のみを受け取るブラインドバリアントとのペア比較では、直接認識 (direct perception) が7つの評価次元すべてを改善し、85%のヘッドツーヘッド判定で勝利した。これらの結果は、ライフサイクル全体にわたる認識が証拠に基づいた科学的発見に不可欠であり、広範な能力を持つAI科学者への実践的な道筋を提供することを示す。
参考: arXiv cs.AI (アーカイブ) — 2026年8月14日 02:59 (JST)
原文ハイライト"OmniScientist: An Omni-Modal Omni-Discipline AI Scientist"