広告

FlowPIE:フローに導かれる文献探索によるテスト時の科学的アイデア進化

arXiv cs.AI / 2026/4/1

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

要点

  • FlowPIEは、静的な「検索→生成」パイプラインではなく、文献探索とアイデア生成を共同で進化(co-evolve)させる、密結合型のリトリーバル-ジェネレーション統合フレームワークとして提示される。
  • GFlowNetsに着想を得たフロー誘導型モンテカルロ木探索(MCTS)を用いて文献の軌跡を拡張し、LLMベースの生成報酬モデル(GRM)による質の信号を評価して、初期集団を構築する。
  • 続いて、GRMに基づく適応度計算と、異種知識の横断を促し均質性を低減するための「アイソレーション・アイランド」パラダイムにより、テスト時のアイデア進化を選択・交叉・突然変異で実行する。
  • 強力なLLMベースおよびエージェントベースのベースラインに比べて、目新しさ・実現可能性・多様性が一貫して高いことを示す評価結果を報告し、さらにテスト時に報酬スケーリングを支援できると主張する。

広告