組合せ的イノベーションとマルチエージェント反復探索戦略による研究アイデア生成の強化

要旨: 科学の進歩は、革新的な研究アイデアを継続的に生み出すことに依存しています。しかし、科学文献の急速な増大により、知識フィルタリングのコストは大幅に増加し、研究者が新規の方向性を見つけることが難しくなっています。既存の大規模言語モデル（LLM）ベースの手法は研究アイデア生成に有望なものの、そこで生成されるアイデアはしばしば反復的であり、深さを欠いています。この問題に対処するため、本研究では組み合わせ的革新理論に着想を得たマルチエージェント反復計画探索戦略を提案します。この枠組みは、反復的な知識探索と、LLMベースのマルチエージェントシステムを組み合わせ、反復的な相互作用を通じて研究アイデアの生成・評価・再洗練を行うことで、アイデアの多様性と新規性の向上を目指します。自然言語処理分野での実験により、提案手法が多様性と新規性の両面で最先端のベースラインを上回ることが示されました。さらに、トップティアの機械学習カンファレンス論文から導出されたアイデアとの比較では、生成されたアイデアの質は、採択論文と不採択論文のいずれの水準の間に位置することが示されました。これらの結果は、提案する枠組みが高品質な研究アイデア生成を支援するための有望なアプローチであることを示唆しています。本論文で用いたソースコードおよびデータセットは、GitHubリポジトリ: https://github.com/ChenShuai00/MAGenIdeas で公開されています。デモは https://huggingface.co/spaces/cshuai20/MAGenIdeas で利用可能です。