NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

上海AI実験室がメタ認知型の研究エージェントSage-Taiyiを発表 Taiyi-Bench 265タスクでAI Scientist-v2に6.1ポイント差、条件最適化で収率を微量から84%へ(著者報告)

上海人工智能実験室(Shanghai AI Laboratory)のSage-Taiyiチームは2026年11月9日、調べた結果の証拠と適用条件を保持し、次に調べる対象と推論方法を適応的に選ぶ研究エージェントSage-Taiyiの論文をarXivに公開した。2026年3月1日以降に公表された50論文から作った265タスクのTaiyi-Benchで総合54.0と、最強の比較対象AI Scientist-v2の47.9に6.1ポイント差をつけ、8指標すべてで首位だった。専門家が関与した5件の実験・シミュレーション検証では、条件最適化によりコバルト触媒カルボニル化のモデル反応収率を微量から84%へ、光触媒アリルアミノ化を13%から69%へ上げたと報告している。実行可能なコードはまだ公開されておらず、数値は著者の報告だ。

論文「Sage-Taiyi: A Metacognitive Architecture for Scientific Discovery」はarXivに2026年11月9日付で登録された(cs.AI、v1)。著者欄は「Sage-Taiyi Team, Shanghai Artificial Intelligence Laboratory」で、貢献欄には筆頭のWeida Wangを含む10名のLead authorsに加え、多数のContributorsとScientific Directorsが名を連ねる大規模チームだ。公式リポジトリはGitHubのAlpha-Innovator/Sage-Taiyi(作成は2026年11月9日、17スター、GitHub API実測)で、確認時点の内容はREADMEとdocs、技術報告PDF、図版など13ファイルのドキュメント類だけで、実行可能な学習・推論コードも再現手順も含まれない。ライセンス表記も見つからない。プロジェクトページが公開されている。

論文の出発点は、反復だけでは研究が進まないという指摘だ。現在のフィードバックだけに依存する探索では、分岐ごとの知見が証拠と適用条件つきで保持されず、後の手法選択に反映されないと論じる。

「繰り返しだけでは、分岐ごとの知見が証拠と適用条件つきで保持され、それらが後の手法選択に影響することは保証されない。」

Iteration alone, however, does not ensure that findings from different branches are retained with their evidence and applicability conditions, or that these findings affect later method selection.

論文Sec.1、arXiv:2611.12762

「理解の状態」を明示的に持ち替える

Sage-Taiyiの構成は、オブジェクト層とメタ層の二層だ。オブジェクト層では、研究課題を部分目標に分解するTarget Tree、提案アイデアの派生と修正を追跡するIdea Graph、実験・文献・専門家入力の結果を記録するEvidence Stateを使って科学的探索を進める。メタ層では、Monitoringが探索の結果から「支持される知見、作業仮説、その限界」をCognitive Stateとして整理し、Controlがその状態を読んで、再利用可能な手法の集まりCognitive Repertoireから次の研究対象と推論操作を選ぶ。選ばれた提案が検証に進むと、その結果はEvidence Stateに戻る。

図解Sage-Taiyiの探索とメタ認知制御の流れ(論文Sec.2・Figure 1〜2に基づく)
  1. 01 探索

    Target Tree/Idea Graph

    研究課題を部分目標に分解し、提案アイデアの分岐と修正を追跡する。

  2. 02 監視

    Monitoring

    探索の結果から、支持される知見・作業仮説・限界をCognitive Stateへ整理する。

  3. 03 制御

    Control

    Cognitive Stateを読み、Cognitive Repertoireから次の研究対象と推論手法を選ぶ。

  4. 04 検証

    実験・シミュレーション

    選ばれた提案が専門家関与の検証に進み、結果はEvidence Stateに記録される。

論文Sec.2の説明に基づく構成図。数値は本文と別の図で示す。

Taiyi-Benchは学習データより新しい論文から

評価用のTaiyi-Benchは、2026年3月1日以降に初めて公表された50論文から、重要な決定点を有向非巡回グラフ(DAG)として再構成し、判明した決定を段階的に開示する形で265のケース単位タスクを作ったものだ。論文は、この開始日が評価に使うGPT-5.6-Solの知識截止(2026年2月16日、OpenAIのドキュメントによる)より後であることを、訓練データ汚染の抑制策として明記する。分野は地球科学、神経科学、経済学、経営学、物理学、生物学、化学、環境科学、材料科学、通信工学の10分野にわたり、各タスクで根拠と判定テストつきのアイデアを10個(K=10)要求する。採点は再発見の4指標(Finding、Exact、Coverage、Lookahead)と開放評価の4指標(Novelty、Effectiveness、Feasibility、Diversity)で、文献に基づくverifierが決定レベルのルーブリックで採点し、人手の専門家評価との一致を著者が報告している。

8指標すべてで首位、総合54.0対47.9

比較対象は10構成3群だ。直接生成(GPT-5.6-Sol、Claude-Opus-5、Gemini-3.7-Flash)、汎用ハーネス(Codexのhighとultra、Claude Code+GPT-5.6-Sol、Claude Code+Claude-Opus-5)、科学発見ハーネス(EvoScientist、AI Scientist-v2、Robin)で、科学発見系はアイデア生成の段階だけを比較対象にしている。Sage-Taiyi自身もGPT-5.6-Sol(high)を使い、土台モデルと推論設定を比較対象に合わせた。結果は、総合(Overall)が53.95対AI Scientist-v2の47.85で、8指標すべてで首位だった。内訳では、根問題の同定を測るFindingが79.70対72.54、先行文献を超える内容を測るNoveltyが70.54対55.20と開いた一方、Effectivenessは87.81対87.23と僅差だった。論文は外部のAgentIdeaBenchとIG-Arenaでも良好な成績を報告し、タスク単位の勝敗からBradley–TerryモデルでELO評価も載せている。

図解Taiyi-Benchの主な指標:Sage-Taiyi対AI Scientist-v2(論文Table 3、GPT-5.6-Sol (high)、著者報告)
  • 総合(Overall)

    Sage-Taiyi
    53.95
    AI Scientist-v2
    47.85
  • Finding(根問題の同定)

    Sage-Taiyi
    79.70
    AI Scientist-v2
    72.54
  • Exact(決定の完全回復)

    Sage-Taiyi
    19.53
    AI Scientist-v2
    16.74
  • Coverage(回復の割合)

    Sage-Taiyi
    40.69
    AI Scientist-v2
    32.37
  • Lookahead(下流決定の回復)

    Sage-Taiyi
    38.55
    AI Scientist-v2
    31.62
  • Novelty(新規性)

    Sage-Taiyi
    70.54
    AI Scientist-v2
    55.20
  • Effectiveness(有効性)

    Sage-Taiyi
    87.81
    AI Scientist-v2
    87.23
  • Feasibility(実現可能性)

    Sage-Taiyi
    52.45
    AI Scientist-v2
    47.73
  • Diversity(多様性)

    Sage-Taiyi
    42.33
    AI Scientist-v2
    39.40

論文Table 3の0〜100スケールの値。8指標すべてでSage-Taiyiが首位。数値は著者の評価で、ベンチマークの設計・選定を含め第三者による検証はまだない。

専門家関与の5件で実験とシミュレーションを検証

論文は専門家が関与した5件の共同検証を載せる。金属触媒の研究では、コバルト触媒カルボニル化を初期条件(10 mol% CoBr₂、12 mol% dtbpy、EtZnBr、THF、23℃、12時間)で実行するとモデル反応の収率は微量だったが、溶媒・温度・反応時間を変えない条件最適化で84%に達したと報告する。光レドックス触媒のアリルアミノ化では、13%から69%への改善を報告している。残る3件は、メタマテリアルの電磁フィルタ設計の制約修正、鋳造マグネシウム合金の成分と熱処理、遠心圧縮機の最適化だ。論文は収率を「model-reaction yield」の語で記述しており、AIが単独で新しい科学法則を発見した類の主張ではなく、提案を専門家とともに実験・シミュレーションで検証した結果という位置付けだ。

公式リポジトリはドキュメント中心で、実行可能なコード、モデル、データ、再現手順は2026年11月12日時点で公開されていない。ベンチマークの成績も収率も著者の報告で、採点に使うverifierも著者の実装のため、第三者による検証はまだない。Taiyi-Benchの論文選定や開示レベルの設計が成績に与える影響、メタ認知の各部の因果寄与を測るアブレーションも、本論文の範囲では限定的だ。「科学者を代替する」といった一般化は、論文自身の記述からも導けない。

出典

  1. Sage-Taiyi: A Metacognitive Architecture for Scientific Discovery(arXiv:2611.12762、PDF全文)提出 2026-11-09(v1)。Sage-Taiyi Team(上海人工智能実験室)の著者構成、要旨のTaiyi-Bench成績(53.95対47.85)と収率(微量→84%、13%→69%)、Sec.2のアーキテクチャ、Sec.3.1のTaiyi-Bench設計(2026-03-01以降の50論文・265タスク・K=10)とTable 3、Sec.3.3の5件の検証。確認日 2026-11-12
  2. Alpha-Innovator/Sage-Taiyi(GitHubリポジトリ)作成 2026-11-09、13ファイル(README・docs・技術報告PDF・図版)、ライセンス表記なし、17スター(GitHub API実測)。READMEの成績・収率記載は論文と一致。確認日 2026-11-12
  3. Sage-Taiyiプロジェクトページリポジトリのhomepage設定(GitHub API実測)。確認日 2026-11-12

出典の確認日 2026.11.12

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. 上海AI実験室、科学データを共通表現で扱う約320B MoEモデル「Sage S2.1 Flash」を公開──BF16とFP8の重み公開、性能は著者提示値

    上海人工智能実験室(Shanghai AI Laboratory)は2026年11月16日、分子グラフや結晶構造、タンパク質配列といった科学データをテキスト・画像と同じ推論空間で扱う大規模モデル「Sage S2.1 Flash」を公開した。公式の説明では約320Bパラメータの混合専門家(MoE)モデルで、BF16とFP8の重みをHugging Faceで配布している。技術報告はarXiv:2611.21072で16日に投稿された。公開されている評価数値は著者提示値で、独立した再現結果は確認できていない。

    記事を読む
  2. GitHub、エージェントセッションを端末間で継続させる「Agent Host Protocol」の実装を解説──VS CodeとGitHubで2つのホスト実装、6言語のSDK

    GitHubは2026年11月17日、公式Engineeringブログで、AIエージェントのセッションをエディタ、スマートフォン、クラウドの間で引き継ぐオープンなプロトコル「Agent Host Protocol(AHP)」の実装構造を解説した。執筆したのは同社のプリンシパルソフトウェアエンジニア、Connor Peet氏とRob Lourens氏だ。AHPの開発は2026年前半にVS Codeで始まり、仕様は10月2日にv1.0.0、11月13日にv1.1.0として公開済みである。今回の記事は新規プロトコルの発表ではなく、VS CodeとGitHubという異なる2実装に共通で使われている構造と設計判断の開示が中心だ。

    記事を読む
  3. Appleの研究チーム、対話操作に足る速さの動画生成「FastFrames」を公開──1.3B構成で1フレーム36ms、VAE復号とKVキャッシュ更新の置換が鍵

    Appleの研究チームは2026年11月17日、入力に応じた対話操作が可能な速さで480p動画を生成する自己回帰型動画拡散モデル「FastFrames」の論文をarXivに公開した(arXiv:2611.23226)。1.3Bの構成では単一のNVIDIA B200で1フレーム36ミリ秒(毎秒27.8回の応答)、14Bの構成では8基のB200で45ミリ秒を著者らは報告している。論文はまず既存モデルの推論を計測し、VAE復号とKVキャッシュ更新という「固定の実装詳細」とされてきた処理がエンドツーエンド遅延の半分以上を占めることを示したうえで、この2つを軽量な代替に置き換えた。論文、コード、重みが公開されている。

    記事を読む