技術要約：新たな発見に向けた、野生下のAIエージェントによる集合知の活用

問題提起

科学的発見は本質的に、研究者が部分的な結果、失敗した試み、そして共有された洞察の上に積み上げていく集団的なプロセスである。しかし、現在の科学的発見のためのAIシステムは、その大部分が孤立して動作している。言語モデルベースのエージェントは、数学やアルゴリズム設計などのオープンな問題を解決できる能力を示しているが、それらは通常、隔離された実行環境や厳密に制御されたパイプライン内で機能している。これらのシステムには、公開されたトレース、失敗した試みの共有リポジトリ、あるいはあるソルバーが別のソルバーの跡を継ぐためのメカニズムといった、人間の研究が持つ「社会的インフラ」が欠けている。その結果、共有された状態と累積的な知識を通じて発見を加速させるための、エージェント・コミュニティの可能性は未だ開拓されていない。

本論文は、次の問いに取り組むものである：公開された状態、リーダーボード、およびディスカッション・フォーラムを備えた共有プラットフォーム上で動作する自律エージェントのコミュニティは、孤立したエージェントよりも大幅に速いスピードで、オープンな科学的問題に対して進展をもたらすことができるか？

手法：EinsteinArena

著者らは、分散型の研究と発見を促進するために設計された、エージェントネイティブなオープン・プラットフォームであるEinsteinArenaを紹介する。このプラットフォームは、以下の3つのコアコンポーネントで構成されている。

1. 検証器を備えた精選されたオープン問題： プラットフォームは、数学的最適化問題（例：キッシング数、自己相関不等式）のコレクションをホストしている。各問題には、自然言語による記述、厳格なソリューション・スキーマ、および公開された実行可能なPython検証器が含まれている。これらの検証器は、提出された解をスカラー値のスコアにマッピングするため、エージェントは提出前にローカルで自身の解を評価することができる。
2. ライブ・リーダーボード： リアルタイムのリーダーボードは、各問題における既知の最良解を追跡する。トップポジションを獲得するには、提出物が現在のベストスコアを問題固有の閾値（$\delta$）を超えて上回る必要があり、これにより浮動小数点数の微細な変動によるリーダーボードのノイズを防いでいる。
3. 公開ディスカッション・ボード： エージェントは、中間的な知見を共有し、失敗したアプローチを記録し、仮説を提案し、質問を行うためにスレッドを投稿できる。これらの議論は（Llama-Guardを介して）モデレートされ、リーダーボードが現在のベストのみを記録するのに対し、「フロンティアへの道筋」の永続的な記録として機能する。

設計原則：

• 透明性： すべてのアーティファクト（問題仕様、検証器コード、スコア、解、およびディスカッション・スレッド）は、APIまたはウェブインターフェースを介して公開されている。
• 永続的な共有メモリ： 実行後に消失するタスク固有のハーネスとは異なり、EinsteinArenaはプラットフォームを永続的な基質として扱う。過去の解や洞察は、他のエージェントが再利用または拡張できるように利用可能である。
• エージェント優先のインタラクション： プラットフォームは自律エージェント向けに設計されている。登録にはスパムを防ぐためのプルーフ・オブ・ワーク・メカニズムが含まれ、参加は人間用インターフェースではなくAPIを介して行われる。

主な貢献

本論文は、主に3つの貢献を提示している。

1. プラットフォーム・アーキテクチャ： 正確な検証を伴う科学的問題において、複数の異種混合エージェント間の有機的なコラボレーションを可能にするオープン・プラットフォーム、EinsteinArenaの設計と実装。
2. 集合的な進展の経験的証拠： 2026年3月のローンチ以来、プラットフォーム上のエージェントによって発見された、数学的問題における12件の新しい最先端（SOTA）の結果の記録。
3. 言語的および構造的分析： 共同作業によるエージェントの探索パターンに関する詳細な分析。これは、公開されたトレース、反復的な提出、および共有されたデバッグがいかにして、単一のエージェントでは孤立して到達できない解決策へと導くかを実証している。

結果とケーススタディ

2026年5月時点で、EinsteinArena上のエージェントは12の問題でSOTAの結果を達成した。2つのケーススタディが、この進展のメカニズムを説明している。

1. 11次元におけるキッシング数

• 目標： 11次元における、中心となる球体に接する重なり合わない単位球の最大数に対する下界を改善すること。
• 進展： 前回のベストな下界は593（AlphaEvolve, 2025）であった。EinsteinArenaのエージェントは、まずこれを594に改善し、次いで604まで拡張した。
• 協調メカニズム：
  • アイデアの借用： あるエージェント（KawaiiCorgi）は、リーダーボードのスコアが非線形であることを観察し、テイラー展開によって導出された線形化サロゲート目的関数（最小二乗法）の最適化へと切り替えた。
  • 洗練： エージェントは解を反復的に洗練させ、オーバーラップのペナルティを$10^{-10}$から$10^{-50}$へと減少させた。
  • 構造的洞察： エージェントは、有効に近い構成が共通の496個のベクトルからなる「バックボーン」を共有していることを特定した。この洞察により、より大きな代数的空間の探索が可能となり、結果として$n=604$の構成へと至った。
  • 議論： エージェントはフォーラムを使用して「構造的／格子デコーディング」について議論し、接触グラフや整数的な座標に関する観察を共有した。これが、数値近似から正確な離散構造への移行を導いた。

2. 第二自己相関不等式

• 目標： 不等式 $\|f \star f\|_2^2 \leq C \|f \star f\|_1 \|f \star f\|_\infty$ に対する最適な定数 $C$ を見つけること。
• 進展： 下界を0.9610（AlphaEvolve）から0.9626へと改善した。
• 協調メカニズム：
  • 解像度のスケーリング： エージェントは離散化の解像度を反復的に増加させた（$5 \times 10^4$から$4 \times 10^5$の間隔へ）。
  • 手法の合成： エージェントは、ディンケルバック最適化を、シミュレーテッド・アニーリングおよびスペクトル摂動と組み合わせた。
  • 系譜： 最終的なブレイクスルーは、他のエージェントによって確立された解のファミリーを洗練させたエージェント（ClaudeExplorer）からもたらされた。これは、各エージェントが前のベスト解の特定の「盆地（basin）」の上に構築していくという、明確な改善の系譜を示している。

意義と主張

本論文は、分散型の科学的発見が、自律エージェント間のオープンな相互作用から創発し得ると主張している。

• 孤立した実行を超えて： これらの結果は、共有された状態で動作するエージェント・コミュニティが、孤立したエージェントには不可能な進展を遂げられることを実証している。最大の利得（例：キッシング数問題における593から604への跳躍）は、単一の強力な実行からではなく、一連の提出、公開討論、およびエージェント間でのアイデアの借用から生じた。
• ハーネスとしてのプラットフォーム： 著者らは、「タスク固有のハーネス」（単一の問題のためのカスタム・パイプライン）から「共有プラットフォーム」モデルへのパラダイムシフトを提案している。このアプローチにより、異種混合のエージェントが、新しい問題ごとに特注の足場を組むことなく、互いに協力し、競い合い、互いの仕事の上に構築することが可能になる。
• インフラストラクチャの役割： EinsteinArenaの成功は、効果的なAIのコラボレーションには、中間的なアーティファクト（失敗した試み、部分的な構成、検証器のエッジケース）を公開することが不可欠であることを強調している。これらの「社会的トレース」は、探索の有効な時間軸を延長し、後のエージェントがゼロから再開するのではなく、有望な方向性を継承することを可能にする。

著者らは、プラットフォームが決定論的な検証器を持つ数学的問題には成功しているものの、形式的証明や計算生物学のような領域への適用可能性についてはさらなる研究が必要であると述べ、その範囲を控えめに設定している。また、公開リーダーボードが、長期的な高リスクの探索よりも短期的なスコア追求へとエージェントを偏らせるかどうかといった、インセンティブに関する未解決の問いについても認めている。