SciExam for ENSO: Can AI Agents Build Climate Models?
Yinling Zhang, Langchen Liu, Dongbin Xiu, Xueyan Zou, Xu Kuang
実装難易度
Hard
推論・学習コスト
Low
想定用途
予測
概要
Language-model agents are increasingly asked to carry out open-ended scientific research, yet their results are usually graded against a known answer, a rubric, or a language-model reviewer, none of which can tell whether a new scientific model is valid. The AI Science Exam for El Nino-Southern Oscillation (SciExam for ENSO) is a benchmark in which agents build low-order stochastic models of ENSO,…
何が新しいか
Language-model agents are increasingly asked to carry out open-ended scientific research, yet their results are usually graded against a known answer, a rubric, or a language-model reviewer, none of…
何に使えるか
予測
実装情報
- Paper URL
- あり
実装チェックリスト
実装または配布ページ
要確認Paper onlyの可能性があるため再実装前提で確認してください。
一次情報リンク
OKPaper
検証しやすさ
要確認公式実装が見つからないため、論文から再実装する前提です。
計算資源
OK小規模データならCPUまたは単一GPUで検証しやすい領域です。
ライセンス
未取得配布元のLICENSE、モデルカード、Paperの利用条件を確認してください。
商用利用
未取得研究利用限定、データセット由来制限、API規約の有無を確認してください。
自社データで試すなら
製造業・材料開発のExcel/CSVデータに落とし込むための最初の手順です。
- 1まず自社データを、入力条件、目的変数、評価したい指標に分けて整理します。
- 2LightGBMやRandom Forestなどのベースラインを先に作り、この手法と比較します。
- 3評価指標はR2/RMSE、AUC、異常検知の再現率、実験回数削減率など、現場の意思決定に近いものを選びます。
- 4SHAPや特徴量重要度で、効いている因子が物理・化学・工程知識と矛盾しないか確認します。
実装難易度
Hard - 公式実装が見つからないため、論文から再実装する前提です。
必要リソース
- GPU目安: Low
- データセット: 論文・リポジトリ側の指定を確認してください。
- 学習要否: 再学習や評価環境の準備が必要になる可能性があります。
- 小規模データならCPUまたは単一GPUで検証しやすい領域です。
実務で使う場合の注意点
- ライセンスと商用利用条件は、Paper / GitHub / Hugging Face の配布元で確認してください。
- 精度、再現性、計算コストはデータセットや評価条件に依存します。
- 個人情報や機密データを扱う場合は、入力データの保存先と外部API利用条件を確認してください。
関連記事
When does a network's training history predict its future learning better than its current state? Evidence from a response probe and a forecasting screen
Networks that behave alike now can still learn differently when training continues. Work on loss of plasticity
Learning Transition Kernels of Jump-Diffusion Processes with Conditional Diffusion Models
We study the problem of learning transition kernels for time-homogeneous jump-diffusion processes using condit
HyperNSDE: Personalized Neural SDEs for Joint Static-Longitudinal Clinical Data Generation
Synthetic patient data generation is a promising solution to the dual challenge of data scarcity and privacy c
The Premise Is the Problem: Exchangeability Failure in Self-Monitored Test-Time Adaptation
Modern forecasting models are often updated after deployment so they can respond to changing data. These updat