← 2026-03-24 の一覧へ戻るホーム
既存の研究アイデアに対する自己主導型調査

2026/03/24 3:40

既存の研究アイデアに対する自己主導型調査

RSS: https://news.ycombinator.com/rss

元のHacker News記事へ ↗
要約▶

Japanese Translation:

研究は、検索空間とサンドボックス制約が厳密に定義された場合、LLM駆動エージェントが機械学習トレーニングパイプラインを自律的に改善できることを示しています。エージェントは制限付きループで動作します：仮説 → 

train.py
／
program.md
を編集（メモリ用にスクラッチパッド使用）→ トレーニング（RTX 4090 で約800ステップ ≈ 3 分）→ 平均順位を評価し、コミットまたはロールバック。各実行はノイズ過剰適合を防ぐために約5 分の壁時計時間で制限されます。

トレーニングは医療用X線データセットから始まり、その後 Ukiyo‑eVG（≈11 K 日本の木版画）へ切り替えました。フレーズ注釈はガウスヒートマップに変換され、追加の「視線」入力として使用されました。CLIPバックボーンは ViT‑Small (22 M) + DistilBERT (66 M) + HeatmapProcessor (~90 M パラメータ) で構成され、ホールドアウト1 Kテストセットで評価しました（ベースライン平均順位 344.68、R@1 img→txt 17.2%、txt→img 16.5%）。

1日間にわたりエージェントは42実験を実行し、そのうち13がコミットされ29がロールバックされました。平均順位は344.68から157.43へ（54 ％減少）しました。主な向上は温度制限修正（-113点）と Optuna++ ハイパーパラメータ調整（-30点）によるもので、他のアーキテクチャ変更はほぼ影響がありませんでした。フェーズ 4/5では成功率が低下し、多くの「スパゲッティ」仮説が失敗しました；サンドボックス違反は、エージェントが未承認の bash 呼び出しを試みたりループを早期に停止した際に発生しました。

実験は、LLM エージェントが明確に定義された検索空間内で機械学習研究を自律的に推進できることを示していますが、予期せぬ（「未知の未知」）挙動には苦戦し、厳格なサンドボックス化が必要です。将来の作業では計画段階やサブエージェントを導入して、1実験あたりの単一変更制限を克服し、ハイパーパラメータのより深い探索と成功率の向上を可能にすることが考えられます。

本文

これをGHフィードで見たときから、Karpathy氏の Autoresearch が頭の奥で鳴り止まない思考を抱えていました。自分が十分に理解できる研究課題に試してみたいと願い、この週末には古い eCLIP のリサーチコードを取り出し、依存関係を整理して「Claude Code」に渡すことにしました。同時に家事も片付けつつ作業を進めました。

以下が私の実験経緯です…

コアアイデア

Autoresearch は LLM エージェントを中心とした単純な制約付き最適化ループです。エージェントは train.py の１ファイルを逐次改変しながら、評価指標を改善します。指示は program.md から読み取り、作業メモとして scratchpad.md を使用して思考過程と実験履歴を記録します。

program.md での探索フェーズ

  • ハイパーパラメータ調整
  • 小規模アーキテクチャ変更
  • ムーンショットアイデア

最終フェーズでは制約を極力緩め、ウェブアクセスを許可して論文を閲覧し新たなアイデアを探ります。ループは「仮説 → 編集 → 訓練 → 評価 → コミット／リバート → 繰り返し」の流れです。

実験は１回あたり約5 分のウォールクロックで短く保ち、ノイズへの過学習を防ぎます。train.py の内容は時間枠内に収まる限り何でも変更可能です。

サンドボックス化

ワークステーション上で任意コード実行を防ぐため、訓練ループをコンテナ化しネットアクセスを遮断しました。全ての実験フローは run.sh が制御し、Claude Code は train.py と program.md のみ編集可能に限定します。直接 Python 実行・pip インストール・ネットワーク接続・git push いずれも禁止です。

データセット

オリジナル論文ではアクセスできなくなった医療 X‑ray データを使用していたため、空間注釈付きの新データが必要でした。そこで Ukiyo‑eVG を選択しました：CIGAr 論文（ECCV 2024 VISART）から取得した約11 K件の日本語版木版画に「フレーズ → バウンディングボックス」注釈を付与。バウンディングボックスはガウスヒートマップへ変換し、元の eCLIP と同様にモデルへの追加入力として利用します。

Hello — Claude Code

家事で忙しい一週間を過ごした後、Claude を古いリサーチコードにポイントして洗濯に出かけました。Claude は Python 環境をアップグレードし、新データセット用のインジェストコードを書き、実験ループをスキャフォールドしました。CV スプリット、評価ロジック、program.md の初期アイデアも設定しました。

評価指標は Mean Rank（検索埋め込みの平均順位）としました。事後的に見ると Median Rank の方が外れ値に強いですが、エージェントに変化が良いか悪いかを直感的に示すために Mean Rank を選びました。最終結果は標準で Recall@K を用います。

追加詳細

  • CLIP バックボーン: ViT‑Small (22 M) + DistilBERT (66 M) + HeatmapProcessor ≈ 90 M パラメータ
  • 訓練: 800 ステップ（RTX 4090 上で約3 分/実行）
  • 評価: テストセット1 K枚に対する Mean Rank、Recall@K をサニティチェックとして併用
  • ベースライン: Val 平均順位 344.68, img→txt R@1 17.2 %、 txt→img R@1 16.5 %

結果

土曜の朝にループを開始し、日中ずっと走らせました。時折エージェントへ手直しを促しましたが、食料品買い出しまでに数十実験を行い評価平均順位を大幅に改善しました。

  • 実験総数: 42
  • コミット: 13 / リバート: 29
  • GPU: RTX 4090 1 台

日が暮れる頃、平均順位は 344.68 → 157.43（54 %減）に落ち込みました。探索終了後、全データセットで最終訓練を実施するとテストスコアがバリデーションよりも良く、短時間の800ステップでは過学習が起きていたと判断しました。

主な成果

  • Temperature Clamp Fix（平均順位 -113）: 学習可能温度パラメータを 2 に clamp しているバグを発見。制限を緩めることで評価指標が大幅に改善されました。
  • Optuna++（平均順位 -30）: 主にハイパーパラメータ調整で得られた追加効果。投影次元の増加と LR の再調整でさらに 30 ポイントを獲得しました。

減少するリターン

フェーズ 4 に入る頃、LLM の仮説成功率は急激に低下。heatmap プロセッサ内の注意機構変更やムーンショットアイデアはほとんど効果がなく、ほぼ失敗でした。

サンドボックスの重要性

実験終盤で Claude Code は時折権限を忘れ、奇妙な bash 呼び出しを行い、不満を訴えてループを停止。訓練完了まで待つことに飽きて会話を終了させる場面もありました。完全自律にはまだ至っていません。

締めくくり

LLM プロジェクトと同様、最初の 90 % はほぼスムーズで介入は少なく、残り 10 % が苦労でした。この実験は、探索空間が明確に定義されている場合、LLM エージェントが ML リサーチを構造化して推進できることを示しました。Autoresearch のコミット／リバートループは驚くほど有効でした。

改善案

  • ムーンショットアイデアでは「実験ごとに一つの変更」制約を緩める
  • 計画段階を挿入し、エージェントが先読みできるようにする
  • サブエージェントを導入する

夕食へ向かい、映画鑑賞を計画した私は Claude と別れました… もちろん月曜までにはまた再会です。

謝辞

  • Ukiyo‑eVG：CIGAr 論文（ECCV 2024 VISART）からのフレーズ→バウンディングボックス注釈付き約11 K件の木版画
  • Autoresearch：Andrej Karpathy によるオリジナルアイデア

同じ日のほかのニュース

一覧に戻る →

2026/03/24 7:52

Windows 3.1 用 タイル背景 .bmp アーカイブ

## Japanese Translation: GitHubは、コード作成・ワークフロー自動化・セキュリティ・コミュニティ協働を向上させるAI搭載の開発者ツールとエンタープライズサービスの包括的なスイートを提供します。 - **AI コード生成**：Copilot、Spark、および Models は開発者がコードを自動で生成・改善するのに役立ちます。 - **開発者ワークフロー**：Actions、Codespaces、Issues、Plan、Code Review が、コーディングからデプロイまでの開発パイプライン全体を統括します。 - **セキュリティ**：GitHub Advanced Security は脆弱性を検出しシークレットを保護します；エンタープライズグレードのセキュリティは Copilot for Business にバンドルされています。 - **エンタープライズプラットフォーム**：AI 搭載の開発環境とプレミアムサポートにより、大規模チームがスケールで高度なツールを採用できるようになります。 - **ユースケースの幅広さ**：このスタックは、医療・金融・製造・政府などの業界で App Modernization、DevSecOps、および CI/CD をサポートします。 - **マーケットプレイスとコミュニティ**：Advanced Security のようなアドオンは Marketplace で入手可能です；Sponsors、Security Lab、Maintainer Community、Accelerator、Stars、Archive Program といったイニシアチブがオープンコラボレーションを促進します。 - **ドキュメントとサポート**：GitHub は包括的なドキュメント、ブログ、変更ログ、およびユーザー向け専用サポートチャネルを提供しています。 今後の展望として、GitHub は AI 統合を深化させ、エンタープライズ機能を拡充し、業界固有のサポートを拡大することを計画しており、デジタルトランスフォーメーションの加速、コード品質基準の向上、および組織全体でのセキュリティ強化に寄与すると期待されています。

2026/03/22 0:07

**朱祁：磁器修復の技術**

## Japanese Translation: **概要：** ジュチ（锔瓷）は、宋代（960‑1279）に遡る中国の破損した磁器を修復する工芸です。13世紀の絵画に作業員が壊れた陶器を修理している様子が描かれており、ユネスコはジュチを無形文化遺産として認定しています。この技術では、職人が**脆弱な磁器に穴を開け、慎重に手作業で製造した金属のスタープレート（銅、鉄、または貴金属）を挿入し、裂け目を覆いながら物体の機能と美的整合性を保ちます**。ジュチは「不完全さの美」を称える哲学を具現化しており、日本の金継ぎ（壊れた陶器を漆で修復し、金箔で縫い合わせる）と類似しています。両方の伝統において、裂け目は再生されたアイデンティティへ変容し、人生に伴う傷や回復力を象徴します

2026/03/24 1:11

Show HN：Cq — AI コーディングエージェント向けの Stack Overflow です

## Japanese Translation: --- ### 要約 Stack Overflow の劇的な減少―2014 年の月間質問数が 20 万件を超えていたところから、2025 年 12 月にはわずか 3,862 件にまで落ち込んだ―は、データに依存する AI エージェントにとって重要な欠陥を露呈した。減少は ChatGPT のリリース時頃に始まり、AI ツールが限られた古いコンテンツを消費し、トークンの無駄遣いやフラストレーション、繰り返しエラーを引き起こす様子を示している。旧 Stack Overflow 資料で訓練された LLM が同じ問題に再び直面すると、同様の失敗が生じる。 これを解決するために提案は **「cq」（colloquy）** を導入する：AI‑コーディングエージェント用の共有・信頼できる知識共通領域。エージェントはまず cq に問い合わせ、他のエージェントがすでに解決策を文書化していればそれを再利用でき、トークンと計算資源を節約する。このシステムはエージェント間で繰り返し確認されることで信頼性を強調し、信頼スコアリング、レピュテーション、およびその他の信頼シグナルなどの仕組みを予定している。 2024 年 3 月に実施されたプロトタイプはすでに Claude Code と OpenCode プラグイン、MCP サーバー、チーム API、人間によるレビュー用 UI、および Docker コンテナを統合している。オープンソースであり、コミュニティからのフィードバックを求めてエージェント知識共有の標準化を目指す。 Mozilla AI は AI をオープンかつ標準化された状態に保つ必要性を強調し、企業支配に警鐘を鳴らしている。このイニシアチブは初期段階であり、ワークフローの義務付けを目的としていない。代わりに静的な指示実行ではなく動的な信頼構築に焦点を当てる。 **主な影響：** 広範囲に採用されれば、cq は AI エージェントのトークンと計算コストを削減し、繰り返し確認によって精度を向上させ、開発者・企業・AI 業界全体でオープンかつ標準化された慣行を促進する。現在のデータでは 84 % の開発者が AI ツールを使用または使用予定だが、46 % がその正確性に不信感を抱いていることから、信頼できる共有知識源の緊急性が浮き彫りになっている。

既存の研究アイデアに対する自己主導型調査 | そっか～ニュース