OpenRaiser/NanoResearch

これは何？

主な機能

• 01アイデア出しの段階でOpenAlexとSemantic Scholarを使って文献を検索します。
• 02実験コードを生成し、ローカルGPUまたはSLURMにジョブを投入します。
• 03学習ログとメトリクスを解析し、分析結果と図表を作成します。
• 04参考文献とコードを含むLaTeX論文を出力します。
• 05保存されたワークスペースのマニフェストから、任意のステージを再開できます。
• 06パイプラインの各ステージに異なるOpenAI互換モデルを割り当てられます。

ユースケース

• 研究アイデアを、実行可能な実験と論文草稿にまとめる。
• 複数のトピックにまたがって実験を一括実行し、再現性のある結果を得る。
• 実際の学習結果に基づいたLaTeXの初稿を作成する。
• 自動化された研究実行の全工程を、監査可能な形で記録する。

クイックスタート

1. 1

   リポジトリをクローンする

   git clone https://github.com/OpenRaiser/NanoResearch.git
2. 2

   NanoResearchフォルダー内から、dev extrasを含めてパッケージをeditableモードでインストールする

   pip install -e ".[dev]"
3. 3

   OpenAI互換のbase_urlとapi_keyを指定して、~/.nanoresearch/config.jsonを作成する

4. 4

   dry runで設定を検証する

   nanoresearch run --topic "Adaptive Sparse Attention Mechanisms" --dry-run

使う前に知っておきたいこと

• !パイプラインを実行するには、OpenAI互換のLLM APIエンドポイントとAPIキーを自分で用意する必要があります。
• !実際に実験を実行するには、ローカルGPUまたはSLURMクラスターが必要です。

収録されている特集

トピック

よくある質問

NanoResearch とは？

アイデア出しからコーディング、GPU/SLURMでの実験実行、分析、図表作成、LaTeX論文の執筆までを自動化する研究パイプライン。 NanoResearchは、AI研究プロジェクトの一連の工程を自動化するPythonパイプラインです。トピックを入力すると、OpenAlexとSemantic Scholarで文献を検索し、実験計画を立てて実行可能なコードを生成し、ローカルGPUまたはSLURMクラスターに学習ジョブを投入します。その後、生成されたログやメトリクスを解析して図表を作成し、レビューと修正を経てLaTeX論文を出力します。

NanoResearch は無料で使えますか？ライセンスは？

NanoResearch は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

NanoResearch は今もメンテナンスされていますか？

活発にメンテナンス中。NanoResearch の最終コミットは 2026年10月9日 です。

NanoResearch は何に使えますか？

研究アイデアを、実行可能な実験と論文草稿にまとめる。 複数のトピックにまたがって実験を一括実行し、再現性のある結果を得る。 実際の学習結果に基づいたLaTeXの初稿を作成する。 自動化された研究実行の全工程を、監査可能な形で記録する。

NanoResearch のインストール方法は？

リポジトリをクローンする: git clone https://github.com/OpenRaiser/NanoResearch.git NanoResearchフォルダー内から、dev extrasを含めてパッケージをeditableモードでインストールする: pip install -e ".[dev]" OpenAI互換のbase_urlとapi_keyを指定して、~/.nanoresearch/config.jsonを作成する dry runで設定を検証する: nanoresearch run --topic "Adaptive Sparse Attention Mechanisms" --dry-run

NanoResearch はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/OpenRaiser/NanoResearch