sapientinc/PRAXIST

何を解決するか

Praxistは、目的が測定可能であり、コードがすでに実行可能であるものの、改善への最適な経路が不明な研究プロジェクト向けに設計されています。手動の反復作業や単純なパラメータチューニング（AutoML）に代わり、複数の仮説と戦略を同時に探索し、最高のパフォーマンスを発揮するソリューションを見つけ出す、自律的でエビデンスに基づいた研究ループを提供します。

仕組み

Praxistは、いくつかのコンポーネントを調整することで、プロジェクトを継続的な研究実行へと変換します：

• Parallel Research Peers: 複数のエージェントが、競合する実装と仮説を同時に探索します。
• Multi-generation Synthesis: プランニングパネルが、ある世代のエビデンスを分析して、次の世代の研究アジェンダを形成します。
• Evaluation & Evidence: タスク定義されたエバリュエーターが、結果を構造化された、耐久性のあるエビデンスレーン（incubator, frontier, and Gems）に変換します。
• Diversity Mechanisms: Quality-Diversity (QD) と Deep Innovation Gate (DIG) を使用して、システムが局所最適解に陥るのを防ぎます。
• Orchestration: リソーススケジューリング、ライフサイクル制御（start/stop/resume）、およびエンドツーエンドのプロベナンス（履歴）を管理し、結果の再現性を確保します。

対象者

成功のための明確な指標を持つ、実行可能なベースラインプロジェクトを保有しており、発見と最適化の反復プロセスを自動化したい研究者や開発者向けに構築されています。

ハイライト

• Autonomous Iteration: 仮説生成から統合まで、研究ループ全体を管理します。
• Coded Evidence: すべての改善は、エビデンスの系統と検証可能な評価パスによって裏付けられています。
• Integration with Codex: インタラクティブなプロジェクト理解とツール使用のために、Codexを介して操作することが推奨されます。
• Language Agnostic: 実行可能で測定可能である限り、さまざまな言語（例：Python/JAX, Rust）のプロジェクトをサポートします。