● コミュニティ
wanshuiyin
⚡ 即起動
ARIS (Auto-Research-In-Sleep)
作者 wanshuiyin · wanshuiyin/Auto-claude-code-research-in-sleep
LLMコーディングエージェントを自律的なML研究者に変えるskill — アイデア探索、クロスモデルレビューループ、夜間の実験自動化。
ARIS（Auto-Research-In-Sleep）は自律的なML研究のためのMarkdownのみのskillバンドルです。無人で実行されるよう設計されており — 典型的には夜通し — 審査済みの研究候補、実験結果、レビューメモのスタックを生成します。フレームワークロックインなし：skillはClaude Code、Codex、OpenCode、Markdownのskillを読み込むあらゆるエージェントで動作します。眠っている間にコンピューターと推論を積み上げたいソロ研究者や小規模ラボ向けに構築されています。
なぜ使うのか
主な機能
- クロスモデルレビューによるアイデア探索（マルチLLMコンセンサス）
- 実験の自動化 — 書く、実行する、評価する、反復する
- 低品質な出力をフィルタリングするレビューループ
- Markdownのみ — 不透明なフレームワークなし、フォークが容易
- 任意のエージェントハーネスで動作
ユースケース
実用的な使い方： ARIS (Auto-Research-In-Sleep)
使うタイミング： 研究の方向性と12時間がある；朝に候補の実験結果を受け取りたい場合。
前提条件
- 実験用のコンピューターアクセス（GPU/クラウド） — ARISがスケジュールを立てる；ランナーはあなたが提供
フロー
-
スコープ設定
Use ARIS. Goal: explore parameter-efficient fine-tuning variants for small LLMs. Budget: 12h, 5 ideas, 2 experiments per idea.✓ コピーしました
→ ステージごとのバジェット付き計画
-
探索
Generate 10 candidate ideas. Cross-review. Keep the top 5.✓ コピーしました
→ 批評付きのランク付けアイデアリスト
-
実行
For each top idea, draft an experiment, run it, log metrics. Stop when budget exhausted.✓ コピーしました
→ 実験完了；メトリクスがログされる
結果： 朝のレポート：実際の実験シグナルを持つランク付けアイデア。
注意点
- コンピューター使用量が暴走する — 実験ごとのバジェットにハードキャップを設定；ARISはそれを尊重する
使うタイミング： サブフィールドの主張とギャップをマッピングする必要がある。
フロー
-
スコープ設定
Scan papers from 2024-2026 on diffusion-LM hybrids. Extract claimed contributions and benchmarks.✓ コピーしました
→ 主張テーブル
-
批評
Cross-review claims against each other. What's contradictory or under-tested?✓ コピーしました
→ ギャップ分析
結果： 具体的なリサーチギャップを持つサブフィールドのマップ。
注意点
- 引用文献の幻覚 — ARISに検証ステップが含まれる — グラウンドトゥルースのためにarxiv MCPと組み合わせる
組み合わせ
他のMCPと組み合わせて10倍の力を
リサーチの前後での文献ダイジェスト
Use NotebookLM to digest related papers; ARIS to design experiments.✓ コピーしました
/research/<run-id>/以下に実験アーティファクトを永続化
Save all logs and results under /research/2026-05-03/.✓ コピーしました
コストと制限
運用コスト
- APIクォータ
- token + コンピューター — 両方が相当な量になり得る
- 呼び出しあたりのトークン
- アイデア探索とクロスレビューはtoken消費が多い
- 金額
- skillは無料；コンピューターとモデル使用量を自分で支払う
- ヒント
- 計画ステージでtoken / コンピューターのハードキャップを設定する
セキュリティ
権限、シークレット、影響範囲
最小スコープ： コンピューターランナーへのアクセス データへの読み取りアクセス
認証情報の保管： 外部 — ランナーが処理
データ送信先： モデル/ランナーのセットアップに依存
絶対に付与しない： 自律的なリサーチループに本番データを渡さない
- 自律的な実験 — 実際のシステムで実行する前にすべての生成コードをレビューする
トラブルシューティング
よくあるエラーと対処法
収束せずにループする
バジェットを絞る；ARISはキャップを尊重して停止する
クロスレビューが1つの視点に収束する
レビューアーのモデルを多様化する；同じファミリーのモデルばかりだと相関した見解になる
実験がサイレントに失敗する
ランナーのエラー報告を強化する；ARISはログするが壊れたランナーは直せない
代替案
ARIS (Auto-Research-In-Sleep) 他との比較
| 代替案 | 代わりに使う場面 | トレードオフ |
|---|
| 手動実行の実験 | 完全な制御が必要な場合 | 自分の時間を超えてスケールしない |
| ホスト型AutoMLプラットフォーム | 管理されたコンピューター + UIが必要な場合 | 柔軟性が低い；コストがかかる |