毎日自動実行するシステムが、実はずっと前から有効な結果を出していなければ、どう気づけるだろうか。
私は以前、サイトが設定を自分で変え、採点し、よい版を残すことを望んだ。後の検討は、プログラムの修理だけでなく、その点数が本当にほしい成果からどれほど離れているかを考え直すきっかけになった。
本稿は廃止の教訓を残しつつ、技術的故障、採点の設計、個人サイトの方向を分ける。一事例を全サイトの法則にせず、複数AIの議論を他者の研究の正式新版とも呼ばない。
TL;DR:autoresearchは、変更を提案し、試し、評価し、残すか捨てるという仕事の着想になる。本站も似た方法を試みたが、ファイル切詰めと有効な出力の監視に問題が残った。確認できる版の変化は、実行時の全原因を証明しない。代理指標が本当の成果を映すかは第二の問題で、筆者の戦略選択は第三である。異なる角度の確認、証拠との照合、人の判断は私の協働配置であり、検証済みautoresearch v2ではない。
一、autoresearchと用語を先に説明する
今回参照したKarpathyプロジェクトの固定版では、agentが小型言語モデルの訓練コードを変更し、固定五分の訓練予算で結果を測り、保持か破棄を決める。起動とコンパイルはその時間に含まれない。単一GPUの設定と特定の検証指標を使う。[1]
ここでmutationは変更候補、rewardは良し悪しを判断するフィードバックである。モデルの検証指標には特定の用途があり、サイトの点数に置き換えても、全目標の改善は保証されない。
私は似た考えを本站で試し、指定ファイルへの変更を提案させ、ビルドと採点を行おうとした。これは私の実装であり、原プロジェクトが個人ブランド向けに検証した方法ではない。
本稿は初公開日を再構築せず、未確認のSNS長文引用で正式なv1、v2の関係も作らない。手法を借りるなら、何を借り、何を変えたかを説明する必要がある。
二、戦略の物語で故障を説明せず、技術の記録を見る
本站のGit履歴から、2026年3月23日の変更でexperiments.jsonが内容のある状態から0 bytesになり、5月13日の廃止変更で旧ディレクトリの移動、廃止説明の追加、旧ワークフローの削除が行われたことは確認できる。[2]
元の記述では、5月12日に見直して、期待した進捗がすでにないと気づいた。「約七週」は察知の遅れを表し、正常に七週間動いた後で故障したという意味ではない。
ただし、ファイルが空になったことだけでは、その後の全失敗の原因は証明できない。長すぎる入力、誤ったパス、採点、記録の関係には当時の実行証拠が要る。本稿は全履歴を再実行せず、全通知経路を調べたとも保証しない。
残せる教訓は、スケジュールが起動しても有効な結果があるとは限らないことである。処理の終了だけを見て成果やデータの完全性を確かめなければ、進んでいると誤解することがある。
三、点数の改善と本当の目標の改善は別の問題
私はサイトの機械可読ファイルや構造を採点に含めていた。しかし、その点数は、読者が理解すること、内容が確かであること、協働が生まれることとは別の観察である。
形式検査に通っただけで、引用や協働を望む人が増えたとは言えない。逆に、効果の証拠が得られなくても、機械可読設計すべてが無価値になるわけではない。
旧稿はllms.txtの観察から、有力な個人サイトはmutation engineを使わないと推論したが、証拠の範囲を越えていた。本版はその業界全体への結論を残さず、一つのファイル形式の研究で全サイト最適化の上限を証明しない。
ここで問うのは点数が目標に合うかであり、三月のファイル切詰めの技術原因ではない。コードをすべて直しても、採点の用途は別に確かめる必要がある。
四、違うサイト目標には違う比較方法が要る
私は自分の仕事を、道具が指定課題を終えるか、記事が分かりやすく確かな出典を持つか、個人サイトが望む関係を支えるかに分けて考える。
道具なら完了率や継続利用、内容なら正確性、読みやすさ、更新が観察の方向になる。これは筆者の設計案で、v0、Builder’s Scorecard、ほかの名指しの製品が本稿の自律的な採点ループを実際に動かすという意味ではない。
私にとって協働の誘いや信頼は、すぐ安定した点数になるとは限らない。そのため当時の自動改修を維持する価値は、費用、リスク、ほかにできる仕事と合わせて判断する必要があった。
これは私の事例の戦略調整であり、全個人サイトが自動化に不向きだという証明ではない。目標と時間尺度が違うなら比較方法を説明し、類型全体の結論を先に出さないようにしたい。
五、異なる角度を加えても、その主張を照合する
当時の検討では、異なる協働画面に概念、工学、ファイル記録を別々に見てもらい、私がまとめて取捨選択した。Chat、Cowork、Codex、Codeはそのとき使った仕事上の役割で、Paulは筆者である私のことだ。
この配置の目的は、違う確認方法が見落としを示す機会を作ることだった。共通の死角がないと保証せず、ある道具は概念しか扱えず技術事実を永遠に見つけられない、とも定義しない。
自分の多者協議と呼ぶことはできるが、数agentが報告を出しただけで原プロジェクトの統制実験を再現したり、Karpathy公認の正式v2になったりはしない。提案はファイル、出典、実際の結果に戻って確かめる必要がある。
残したいのは、モデルの一致が正しさを示すという信頼ではなく、責任の配置である。異論が残り、採用を人が説明し、実行と検収にも担当者がいることだ。
六、自動化の前に、検収できる四問を置く
次の仕事に似た方法を使うなら、私はまず四つを問う。
- 何を改善し、点数と本当の目標の間にどんな証拠が足りないか。
- どの変更が権限の範囲内で、失敗時にどう停止・復旧するか。
- 有効な結果があるとどう確認し、データ不足や無言の失敗に誰が気づくか。
- 誰が異なる提案を確かめ、採用を決め、実際の結果を確認するか。
これは筆者の実務上の確認で、autoresearchの正式版仕様ではなく、自動化や多agent協働の必勝保証でもない。
一つの実装を廃止しても、研究と試行を拒むわけではない。次回はよい用語に安心して、システムが何を達成したかの確認を忘れないようにしたい。
私には、サイトが自分で変わるかより、失敗を見つけ、提案を照合し、結果に責任を持つ仕事の進め方が大切である。
資料と読解範囲(2026年11月4日まで確認)
- Karpathy、autoresearch README固定版、commit
228791fb499afffb54b46200aca536f79142f117、2026年3月26日。How it worksとDesign choices。小型単一GPU訓練、固定時間、評価方法の根拠であり、サイト成果、正式v2、本稿の協働配置の優越性は証明しない。プロジェクトは実行していない。 - 本サイトのGit履歴。2026年3月23日のファイル変更(旧稿の
bfacd167)と5月13日の廃止変更。ファイルの大きさと版の操作を確認した。リポジトリは非公開で公開再現パッケージはなく、全実行記録、通知、故障の因果は再検証していない。5月12日の発見と協議は筆者の当時の説明とし、私的対話や会議時間を補っていない。
改訂説明:発見の遅れ、技術故障、採点の不適合、戦略を分け、業界全称、未確認の製品ループ、SNS長文引用、正式v2の断定を撤回した。廃止と多者確認は経験として残し、普遍的方法や因果検証済み研究にはしない。


💬 コメント
読み込み中...