<aside> 🗒️

目次

</aside>

概要

• Input：自作の論文管理ツールによるアイデア出しサポート
• Process：チャットAIを使ったアイデアのブラッシュアップとコード化 → optunaの検索空間に追加・管理
• Output：optunaによる自動実験・自動評価 → 次のInput(アイデア探しのヒント、方向性)として活用

graph LR
  i[Input] --> p[Process] --> o[Output] --> i

各パートの詳細

Input

1. 優先度順の論文リストPDF生成

   • 論文管理ツール (aboost)
     • 論文登録
       • Google Scholar → Zotero → aboost
     • 論文レーティング
       • PC・スマホでレーティング
     • 優先度順のリストPDF生成
       • タイトルリストPDF
       • アブストラクトリストPDF
       • 全文リスト
         • 原文リストPDF
         • Readable 翻訳の活用
           • 日本語訳リストPDF
           • 日本語訳・原文交互リストPDF
       • 要約リストPDF
         • LLM(OpenAI API)による要約
         • 現在は利用休止

2. 生成したリストPDFを見ながらアイデア出し

   優先度順に流し見、ざっと見、チェックなど

Process

• Inputで浮かんだアイデアや思いつきをチャットAIに投げて検討・議論
• 最後にブラッシュアップとサンプルコードをリクエスト

Output

チャットAIが生成したサンプルコードをoptunaの検索空間に追加して、継続的に実験・評価。結果は次のInput(アイデア探しのヒント、方向性)として活用。

実験構成

チャットAIが生成したサンプルコードを以下の実験環境に追加。サンプルコードは必要に合わせて調整。

• モデルのパラメータに限らず、モデル内の各ブロックのブロックタイプやデータタイプ、CVタイプ、各種前処理や特徴量エンジニアリングの実行フラグなど、モデルの構成や学習全体をoptunaの検索空間で管理。
• Processで生成したサンプルコードは、有効化フラグや使用タイプとともにモデルや訓練コードに追加。optuna用の検索空間クラスに有効化フラグや使用タイプの設定とその初期探索範囲の設定を追加。

自動実験