注目★★★★★Hugging Face Papers
自律研究AIフレームワーク「Arbor」、6タスク全制覇・平均ゲイン2.5倍超
30秒で把握
- 1Arborが6研究タスク全制覇・Codex比平均2.5倍超のゲインを達成
- 2仮説木構造（HTR）で証拠と知見を累積管理・人間監視なしで反復改善
- 3モデル訓練・データ合成など実タスクで汎用自律研究エージェントとして実証
要約
自律的な科学研究を長期にわたって実行するAIフレームワーク「Arbor」が発表された。Arborは長期稼働のコーディネータと短命なエグゼキュータを組み合わせ、仮説・証拠・知見を木構造（Hypothesis Tree Refinement: HTR）で管理することで、試行結果を次の探索に累積的に活かす設計を持つ。モデル訓練・ハーネスエンジニアリング・データ合成の6つの実研究タスクで評価した結果、全6タスクで最高スコアを達成し、Codex・Claude Codeと同一リソース条件で平均相対ゲインの2.5倍超を記録した。人間の逐次監視なしに反復実験で成果物を改善する「Autonomous Optimization（AO）」設定での動作も確認されており、汎用的な自律研究エージェントへの有力なアプローチとなっている。
あなたへの影響
自律研究エージェントを自社パイプラインに組み込もうとしているMLエンジニアやリサーチチームは、Arborのアーキテクチャ（コーディネータ＋HTR）を次スプリントでベンチマーク比較の対象に加える価値がある。
推奨：既存のCodex・Claude Codeベースの自動化ワークフローとの差分を実タスクで検証し、導入判断を今四半期内に行うことを推奨する。