SakanaAI/AI-Scientist-v3

The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery

Agentic Scientist – 自動化された AI 駆動の科学的発見

それが何か

大規模言語モデルコーディングエージェントを仮想科学者として扱うオープンソースフレームワーク。単純な task.md 記述から始めて、システムは多段階パイプラインを調整します：
1. ドラフト – 正式なタスク定義と評価ルーブリックを作成します。
2. 調査 – エージェントがコードを書き、実験を実行し、最良のプログラムを保持するアイデア->実験->評価ループを実行します。
3. アブレーション – 勝利プログラムをベースラインおよび意図的に弱めた変種と比較します。
4. 最終評価 – 最終ソリューションの封印された再現可能な評価を実行します。
5. 事後分析 – 追加の証拠のためにログ、メトリクス、可視化をマイニングします。
6. 論文作成 – 生成された証拠を引用する原稿（PDF）を組み立て、オプションで AI レビューアに送信します。
すべての段階は再現可能です：各実行は results/ の下に決定的なディレクトリツリーを作成し、ログ、アーティファクト、最終論文を保存します。

主要な概念

コーディングエージェント – フレームワークは Headless CLI を介して Claude、OpenAI Codex、Gemini、Cursor、Opencode、その他の LLM ベースのコード生成器を駆動できます。
Docker 分離フェーズ – 各パイプライン段階は独自のコンテナで実行され、エージェントの無制限のコマンド実行からホストを保護します。
Hydra 設定 – すべてのノブは key=value オーバーライドとして公開され、エージェント、モデル、予算、GPU 数などを簡単に変更できます。
プリセットと例 – 既製のタスク（例：CPU のみの円充填問題、GPU 集約的な GRPO ベンチマーク）は examples/ にあり、対応する設定プリセットは configs/preset/ にあります。

インストール

Docker をインストールします。

提供されたエージェントイメージをビルドします：

docker build -t agentic-scientist/agent-cli:latest -f src/docker/agent-cli/Dockerfile .

Python 環境をインストールします（Python ≥ 3.11 と uv が必要）：

curl -LsSf https://astral.sh/uv/install.sh | sh
uv sync   # .venv を作成し、`agsci` CLI をインストール
source .venv/bin/activate

リポジトリのルートに、使用予定の LLM の API キーを含む .env ファイルを作成します（例：ANTHROPIC_API_KEY、OPENAI_API_KEY）。このファイルは実行時にコンテナにマウントされます – 決してコミットしないでください。

クイックスタート

# デフォルトの CPU のみの円充填例を実行
agsci run examples/circpack

--dry-run を使用して、実行せずに正確なコマンドを確認します。
任意の設定をオーバーライドします。例：調査予算を制限：
```
agsci run examples/circpack investigation.execution.max_idea_cycles=2
```
実行が完了すると、生成された論文は次の場所にあります： results/circpack/claude/<run_id>/paper/paper.pdf

ローカル Web UI で実行全体を検査します：

agsci inspect start   # http://127.0.0.1:8765 を開く

典型的なワークフロー

公開されたキャンペーンの再現 – 元の予算、GPU 要件、論文形式をエンコードしたプリセット（preset=grpo）を使用します。
エージェント/モデルの交換 – コマンドラインで agent.name と agent.model を変更して、Claude、Opencode、Bedrock バックの Claude などを比較します。
再開または部分実行 – agsci run を既存の実行ディレクトリに向け、execution.phases= を指定して不足している段階のみを続行します。
スタンドアロン調査ループ – アイデア-実験ループのみを実行します（迅速なプロトタイピングに便利）：
```
agsci investigate agent.name=claude paths.task_dir=examples/circpack execution.workers=2 execution.max_idea_cycles=4
```
AI レビュー済み原稿 – review フェーズを追加して、PDF を OpenAI バックのレビューアに送信し、JSON レビューを取得します。

安全上の注意

エージェントは完全なシステム権限（--allow yolo）で起動されます。任意のコマンドを実行でき、マウントした API キーを表示できます。すべてを Docker イメージ内で実行し、信頼できるタスクファイルのみを提供してください。
agsci doctor コマンドは、実行開始前にホスト、資格情報、Docker イメージ、GPU 設定が要件を満たしているかチェックします。

ドキュメント

インストールと Docker の詳細 – docs/install.md
完全なパイプラインの説明 – docs/pipeline.md
調査ループの使用法 – docs/usage.md
タスクドラフト（実験的） – docs/task_drafting.md
追加のパイプライン（バリアント、事後分析）とユーティリティは README からリンクされています。

ライセンス

Apache 2.0（LICENSE を参照）。

引用研究でフレームワークを使用する場合は、付随する arXiv 論文を引用してください：

@article{agentic_scientist,
  title   = {The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery},
  author  = {Lange, Robert Tjarko and Grillotti, Luca and Yamada, Yutaro and Charakorn, Rujikorn and Ha, David},
  journal = {arXiv preprint arXiv:2610.18933},
  year    = {2026}
}

SakanaAI/AI-Scientist-v3

Agentic Scientist – 自動化された AI 駆動の科学的発見

関連