PaperQA3、150M超の論文・特許を読むEdisonの科学deep-research agentへ拡張

NVIDIA AI DevがXで紹介した内容

2026年3月27日、NVIDIA AI DevはEdison ScientificのPaperQA3を取り上げ、このシステムが150M+の研究論文と特許を対象に推論し、LABBench2で強い精度を示したと述べた。研究支援agentが増えている中でも、この主張が重要なのは、実際の科学業務の難所がテキストだけでは完結しないからだ。

研究者は膨大な文献からfigure、table、方法、数値結果を突き合わせなければならない。そうした視覚的証拠を読めないagentは、最も重要な場面で限界を見せやすい。

Edisonの記事が補足した点

Edisonの公式記事は、PaperQA3をfrontier multimodal deep research agent for scienceとして紹介する。記事によれば、Edison LiteratureとKosmosは現在、1億5千万超の研究論文と特許からfiguresとtablesを読み取ることができ、回答前に数百の視覚要素を解析し比較できる。Edisonはこれを、検索結果から得たテキスト中心だったPaperQA2からの大きな前進と位置づけている。

性能面の説明も比較的具体的だ。Edisonは、更新後のシステムが関連するLABBench2 subsetと2つの Humanity's Last Exam variant で、現在のfrontier deep-research agentを上回る水準にあると説明する。さらに、PaperQA3を使ったバージョンがすでに同社のplatformとAPIで利用可能だとしており、研究プレビューではなく実装可能な製品更新であることを示している。

なぜ重要か

この発表がscienceとAI toolingの両方で高信号なのは、multimodal readingが研究agentの実力範囲そのものを変えるからだ。重要な科学情報はchart、microscopy image、benchmark table、ablation plot、supplementary visualに埋まっていることが多い。これらをテキストと合わせて読めることは、実際の文献レビューにかなり近い能力を意味する。

より大きな流れとして、deep-research製品は汎用的なWeb要約から、領域特化のreasoning systemへ移りつつある。Edisonのbenchmarkと規模の主張が実運用でも再現されるなら、PaperQA3は科学assistantの基準を一段引き上げる可能性がある。関連論文を探すだけでなく、文献の視覚構造そのものから証拠を取り出す段階に入りつつあるからだ。

出典: NVIDIA AI Dev X投稿 · Edison Scientific記事