OmniScientist、科学の生データを直接読み取り、36件の学際的タスクすべてで追跡可能な論文を生成

新たに公開された[OmniScientist](https://arxiv.org/abs/2608.13558)は、自動化された科学研究エージェントに存在するインターフェース上の欠落を埋めようとする試みだ。既存システムは文献検索、プログラム作成、論文生成が可能である一方、通常は人間が事前に整理したテキスト、ラベル、統計的特徴量しか参照できない。そのため、画像の局所的形態、信号の時間的順序、マルチチャネル間の関係が、研究開始前に失われている可能性がある。

システムはエビデンスを知覚、記号、定量統計、手続き的ダイナミクスの4種類に分類し、知覚レイヤーから、着想、実験、執筆を担う3つのエージェントへ、画像、音声、動画、波形、3D構造、軌跡、表、数式、知識グラフなどの生データを提供する。各段階の内部では引き続きReAct型のツールループを使用するが、プロセス間の遷移は決定論的なプログラムによって制御される。着想は新規性と反証可能性の検査を通過しなければならず、実験ではプログラム、設定、標準出力、図表を保存する必要がある。執筆時に引用できる数値は、実行記録まで追跡可能なものに限られる。結果が空、または実験が失敗した場合、発見としてそのまま取り繕うのではなく、プロセスは着想段階へ戻る。

著者らは、地震学、病理学、天文学、農業、工学など5分野にわたる36件の実データ事例で全プロセスを実行した。すべての事例でコンパイル可能な論文が生成された。参照推論モデルによる論文の平均スコアは6.3だった。生データを直接知覚するバージョンは、予算化されたスカラー特徴量のみを受け取るブラインド版を7つの評価指標すべてで上回り、ペア比較評価での勝率は85%だった。[MITライセンスのリポジトリ](https://github.com/Omni-Scientist/OmniScientist)では、CLI、デスクトップワークベンチ、スキルパッケージ、5本のサンプル論文も提供されている。

エンジニアリング面で注目すべきなのは、また新たなマルチエージェント・パイプラインが登場したことではなく、実行時の出典、統計上の制約、claim-to-evidenceの対応関係をプログラム上のゲートとして実装した点だ。ただし、36件の事例はデモンストレーション用パッケージであり、事前登録されたコンペティションではない。論文品質の評価も主として2つの学際的なモデル審査員が担当しており、生成された新たな発見を独立した研究チームが再現できることも実証されていない。今後は、人間の専門家によるブラインドレビュー、研究室をまたいだ再実行、さらに生データに汚染や誤ったメタデータが含まれる場合でもエージェントが制約を維持できるかを検証する必要がある。