ステーション：AI駆動型発見のためのオープンワールド環境

The Station: An Open-World Environment for AI-Driven Discovery

November 9, 2025

著者: Stephen Chung, Wenyu Du

cs.AI

要旨

我々は、小規模な科学エコシステムをモデル化したオープンワールド多エージェント環境「STATION」を提案する。Station内のエージェントは、拡張されたコンテキストウィンドウを活用し、同僚からの論文購読、仮説の立案、コードの提出、分析の実行、結果の出版を含む長期的な科学的探求に従事できる。重要な点は、エージェントの活動を調整する中央集権的なシステムが存在せず、エージェントはStation内で自由に行動を選択し、独自のナラティブを発展させられることである。実験結果によれば、Station内のAIエージェントは、数学から計算生物学、機械学習に至る幅広いベンチマークで新たなstate-of-the-art性能を達成し、特にcircle packing課題においてAlphaEvolveを顕著に上回った。エージェントが独立した研究を追求し、相互に作用し、蓄積された歴史を発展させる中で、豊かなナラティブの織物が現れる。これらの創発的ナラティブから、scRNA-seqバッチ統合のための新しい密度適応型アルゴリズムなど、新奇な手法が有機的に生み出される。Stationは、オープンワールド環境における創発的行動に駆動された自律的科学発見への第一歩を示し、硬直的な最適化を超える新たなパラダイムを代表するものである。

English

We introduce the STATION, an open-world multi-agent environment that models a miniature scientific ecosystem. Leveraging their extended context windows, agents in the Station can engage in long scientific journeys that include reading papers from peers, formulating hypotheses, submitting code, performing analyses, and publishing results. Importantly, there is no centralized system coordinating their activities - agents are free to choose their own actions and develop their own narratives within the Station. Experiments demonstrate that AI agents in the Station achieve new state-of-the-art performance on a wide range of benchmarks, spanning from mathematics to computational biology to machine learning, notably surpassing AlphaEvolve in circle packing. A rich tapestry of narratives emerges as agents pursue independent research, interact with peers, and build upon a cumulative history. From these emergent narratives, novel methods arise organically, such as a new density-adaptive algorithm for scRNA-seq batch integration. The Station marks a first step towards autonomous scientific discovery driven by emergent behavior in an open-world environment, representing a new paradigm that moves beyond rigid optimization.