Ziyu Chen (ズィーユー・チェン) らは2026年10月6日(現地時間)、LLMsを用いて先行研究文献から新たな研究アイデアを生成する新パラダイム「IdeaAnchor」を発表した。この手法は、既存のプロンプトやフィードバックに基づくアプローチが抱える、構造化された教師信号の欠如という課題に対応する。IdeaAnchorは、各入力論文が特定のアイデアに合成される際の機能的役割や関係性、合成基準を符号化することで、LLMsのアイデア生成能力を向上させる。
IdeaAnchorは、発表済み論文からインスタンスをマイニングし、実際のアイデアが先行研究からどのように生まれるかを捉えることで構築された。このパラダイムでは、各IdeaAnchorインスタンスが、各入力論文が成功するアイデアへどのように合成されるべきかについて、機能的役割、関係性、および目標とする合成基準を含む構造化された仕様として符号化される。
モデルの訓練には、デモンストレーション、自己蒸留 (self-distillation)、および強化学習 (reinforcement learning) が利用された。さらに、推論時の検索 (retrieval) を用いて生成品質の向上が図られている。実験の結果、アイデア生成の品質において一貫した改善が示された。
分析により、機能的な分解が明らかになった。アンカーベースの訓練は創造的な合成能力を強化し、検索は詳細な精緻化能力を向上させる。これらを組み合わせることで、最高のパフォーマンスが得られるとしている。
この研究は、Ziyu Chen、Yilun Zhao (イールン・ジャオ)、Jiashuo Sun (ジアシュオ・サン)、Yiling Ma (イーリーング・マー)、Manasi Patwardhan (マナシ・パトワルダン)、Arman Cohan (アーマン・コーハン) の各氏によって行われた。
参考: arXiv cs.CL — 2026年10月7日 02:59 (JST)
原文ハイライト"training language models to perform this form of literature-grounded ideation remains challenging"