ARA-Labs/Agent-Native-Research-Artifact

ARA‑Labs / Agent‑Native‑Research‑Artifact

何であるか

• AI駆動の「研究エージェント」が実験のすべてのステップを構造的・検証可能な形式で記録できる、軽量でオープンソースのツールキット。ARAアーティファクト と呼ばれるファイルシステム構造を定義し、主張、コード、設定、原始結果、検索可能な探索グラフを統合する。

なぜ重要か

• エージェントが自律的に実行すると、上書きされたスクリプトやターミナルログの混沌とした残骸が残る。ARAはエージェントにガードレールを設け、混沌とした経路を再利用可能な知識に結晶化させ、簡潔な可視化により完全な観測可能性を提供する。これにより、ノートブックやPDF、リポジトリを手動でつなぎ合わせることなく、研究の再現性、監査可能性、拡張性が実現される。

コア設計原則

1. ガードレールと検証 – すべての主張は具体的な実行アーティファクトに接続され、形式的に検証可能である。
2. 洞察の結晶化 – ピボット、失敗、根拠がシステムでキャプチャされ、一等級のノードとして扱われる。
3. 完全な観測可能性 – 生成されたHTMLプロセスマップにより、人間の監督者が原始ターミナル出力を読まずに全体のDAGを把握できる。

ツールキット – 7つの「エージェントスキル」

スキル	機能	実行方法
research‑manager	作業中に意思決定、設定、アブレーションを自動キャプチャ	/research‑manager（または自動実行）
compiler	既存の論文/リポジトリ/ノートを完全なARAアーティファクトに変換	/compiler <path>
rigor‑reviewer	すべての主張が実行によって裏付けられているかを形式的にチェック	/rigor‑reviewer <dir>
research‑visualizer	探索DAGのインタラクティブなHTMLマップを生成（またはライブビューを提供）	`/research‑visualizer <ara‑dir> [--serve
research‑foresight	「次に何を試すべきか？」に根拠のある、反証可能な提案を提供	/research‑foresight <ara‑dir> "<question>"
context‑drop	1つのURLでファイル/フォルダを他のエージェントと共有（リポジトリ不要）	/context‑drop <path>
research‑fuzzer	調査をファズャーのように扱う：次に実行すべきアクションを予測、ループを警告、結論前に自己反証を要求	/research‑fuzzer

すべてのスキルは、wire-ara.md を読み込み、使用中のエージェント（Claude Code、Cursor、Gemini CLI、Codexなど）に適切なコマンドを登録する1行でインストール可能。手動インストールも npx @ara-commons/ara-skills で可能。

アーティファクトの構造（ファイル構成）

example_artifact/
  PAPER.md                # 短いマニフェスト（~200トークン） – 高レベルな関連性
  logic/                  # *認知*レイヤー – 主張、実験計画、設計
    claims.md
    experiments.md
    solution/            # アーキテクチャ、アルゴリズム、制約
  src/                    # *物理*レイヤー – コード、設定、環境
  trace/                  # *探索*グラフ – 試行、失敗のDAG
  evidence/               # 原始テーブル、図、抽出データ

層間のバインディングにより、各主張が正確な実験、コード、証拠に紐づけられる。失敗した試行も一等級のノードとして保持され、エージェントが同じ失敗を繰り返すことはない。

始める方法

1. プロジェクトルートからREADMEに示される1行のコマンドを貼り付ける。エージェントは wire-ara.md を取得し、7つのスキルをインストールし、ルーティングマップを自身のコンテキストファイル（例：CLAUDE.md）に書き込む。
2. 作業中に research‑manager スキルがすべての意思決定を自動ログする。
3. 準備ができたら、research‑visualizer --serve を実行して全体のDAGを確認、または rigor‑reviewer を実行して公開前にアーティファクトを認証する。

互換性

• エージェントスキルオープン標準を実装しているため、この仕様をサポートするLLM駆動のコーディングアシスタント（Claude Code、Cursor、Gemini CLI、OpenAI Codex、GitHub Copilotなど）と互換性がある。

成熟度とコミュニティ

• CLI（ara‑skills）、デモリポジトリ（ARA‑Demo）、完全な例アーティファクト（examples/the-ara-of-ara）を同梱。
• Peer-reviewedなarXiv論文（arXiv:2604.24658）を併記。PDF＋リポジトリベースラインと比較したベンチマークを実施。
• MITライセンス。新しいスキルを追加するための CONTRIBUTING リーダーも提供。

使用するべきタイミング

• 自律的な研究エージェント（MLモデル設計、データパイプライン発見、科学的シミュレーションなど）を運用しており、プロセスの再現性・監査可能性のある記録が必要な場合。
• 1つのポータブルな表現を必要とし、学会発表、共有研究アーティファクト、または下流エージェントの出発点として使用したい場合。

---

引用

@misc{liu2026humanwrittenpaperagentnativeresearch,
  title={The Last Human-Written Paper: Agent-Native Research Artifacts},
  author={Jiachen Liu and Jiaxin Pei and Jintao Huang and …},
  year={2026},
  eprint={2604.24658},
  archivePrefix={arXiv},
  primaryClass={cs.LG},
  url={https://arxiv.org/abs/2604.24658}
}