批判はいつAI支援理論物理学を向上させるか？SCALAR：エージェント推論のための構造化批判者-行動者ループ

大規模言語モデル（LLM）が研究レベルの物理推論タスクで有望性を示し、エージェントAIが一般的になるにつれ、実用的な疑問が浮上する：研究者とエージェントの相互作用は結果にどのように影響するのか？この疑問に答えるため、研究者らはSCALAR（Structured Critic--Actor Loop for AI Reasoning）を提案した。これは量子場理論や弦理論の問題に適用される行動者-批判者-審判パイプラインである。行動者（Actor）が解決策を提案し、批判者（Critic）が反復的なフィードバックを提供し、独立した審判（Judge）が参照解決策に対してトランスクリプトを評価する。研究者らは、行動者のペルソナ、批判者のフィードバック戦略、行動者モデルのファミリーと規模を系統的に変化させた。マルチターン対話は単発試行よりも全体的に改善されるが、改善のメカニズムと異なるプロンプト選択の価値は行動者-批判者のペアリングに強く依存する。同じモデルファミリー内で規模を拡大する（例えばDeepSeek-R1の8Bパラメータ版から70B版へ）と、いくつかの簡単な問題の挙動は改善されるが、観測された最も難しいボトルネックは除去されない。批判フィードバック戦略は、非対称な行動者-批判者設定（例えば、より強力なSonnet批判者によって導かれる軽量なHaiku行動者）で最も明確に効果を発揮し、建設的なフィードバックが平均スコアを向上させる。同ファミリーの行動者-批判者設定では、戦略の効果は弱く、寛容なフィードバックが時に好まれ、厳格または敵対的なフィードバックは有益ではない。総合すると、SCALARはAI駆動の科学的発見を支援または妨げる相互作用構造を評価するための制御されたテストベッドを提供する。本研究はVasilis Niarchosら4名の著者により行われ、論文は17ページ、9図から構成され、人工知能、ヒューマンコンピュータインタラクション、高エネルギー物理現象論、高エネルギー物理理論の分野にまたがる。論文は2026年5月7日にarXivに提出され、レポート番号はCCTP-2026-7、ITCP-2026-7、CERN-TH-2026-097、QMUL-PH-26-15である。実験ではDeepSeek-R1の異なる規模のバージョンやClaudeシリーズ（Haiku、Sonnet）など多様なモデル構成が使用された。マルチターン対話が全体的に性能を向上させる一方、改善の度合いは行動者と批判者の組み合わせや批判者のフィードバックタイプに依存することが明らかになった。例えば、非対称ペアリングでは建設的な具体的フィードバックが平均スコアを顕著に向上させるが、同じモデルファミリー内では寛容なフィードバックが厳格なものより効果的な場合がある。これらの知見は、効果的なAI支援科学研究の相互作用を設計する上で重要な指針となる。