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.
「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。
- 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。
- 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。
- 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。
- 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。
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
- 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
- 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
- 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