本研究は、AI研究エージェントの性能におけるアイデアの多様性の重要性を探求しています。AI研究エージェントは、機械学習モデルの設計、実装、およびトレーニングを自動化することで科学の進歩を加速する可能性を秘めていますが、現段階ではその成功要因はまだ完全には理解されていません。本研究では、MLE-benchという標準的なベンチマークを用いて、異なるモデルとエージェントのフレームワークに基づくエージェントの軌跡を分析しました。その結果、高性能なエージェントはアイデアの多様性が高い傾向があることが示されました。また、アイデアの多様性を制御する実験を行い、多様性の増加が性能向上につながることを示しました。最後に、標準的な評価基準に加えて他の性能指標でも結果が一致することが確認されました。これにより、アイデア多様性がエージェント性能に与える影響が明らかとなりました。