EvoScientist/EvoSkills

何を解決するか

EvoSkills は、学術研究のライフサイクル全体を自動化・強化するためのインストール可能な「知識パック」の包括的なライブラリを提供します。研究ワークフローの断片化という問題を解決し、初期の文献発見やアイデア生成から実験実行、論文執筆、査読対応まで、構造化されたエージェントプロトコルを提供します。

動作方法

各スキルは自己完結型のモジュールであり、AIエージェント（特に EvoScientist 向けに最適化されていますが、skills.sh を通じて他のコーディングエージェントとも互換性があります）にインストール可能です。これらのスキルは厳密なマルチステージワークフローを実装しています：

• 研究とアイデア生成：文献の根拠に基づき、Eloトーナメントを用いて研究案をランク付け・精査します。
• 実験：4段階の実行パイプライン（実装、チューニング、提案手法、アブレーション）を実装し、試行予算と構造化ログを採用します。
• 執筆と査読：11ステップのドラフトワークフロー、LaTeXテンプレート、敵対的自己レビュー戦略を提供し、拒否をシミュレートして品質を向上させます。
• メモリと進化：evo-memory スキルは永続的な層を構築し、成功・失敗した研究方向を追跡することで、複数の研究サイクルにわたってエージェントの戦略を進化させます。
• 専用ツール：出版用 Matplotlib 図の生成、学術スライドの作成、数学向けのタオスタイルの厳密な証明ワークフローを含みます。

対象ユーザー

学術研究者、AI科学者、自律的な研究エージェントを開発する開発者で、科学的調査と論文作成のための標準化された高品質なフレームワークが必要な方々。

特徴

• エンドツーエンドのパイプライン：研究ループ全体をカバー：アイデア生成 $ ightarrow$ 実験 $ ightarrow$ 執筆 $ ightarrow$ 査読。
• 自己進化：IDE、IVE、ESE といった永続的メモリ機構により、エージェントがサイクル間で失敗や成功から学習できます。
• 厳密なプロトコル：「直感に反する」ルールと構造化された予算を用いて、コーディングや実験中にエージェントが迷子になるのを防ぎます。
• 広範なツールセット：外部ツール統合（例：arXiv、ウェブ検索）用の MCP サーバーと、プレゼンテーション用の専用ビジュアル生成を含みます。
• 数学的厳密性：校正された放棄（abstention）を備えたオリンピック級の証明ワークフローで、「幻覚」証明を回避します。