idea-generation

アイデアの創出

文献に基づいて新規性を評価しながら、新しい研究アイデアを創出し、磨き上げます。

入力

• $0 — 研究分野、タスクの説明、または既存のコードベースのコンテキスト
• $1 — 任意：追加のコンテキスト（例：「NeurIPS 向け」、制約条件）

スクリプト

Semantic Scholar を使った新規性の確認

python ~/.claude/skills/idea-generation/scripts/novelty_check.py \
  --idea "Adaptive attention head pruning via gradient-guided importance" \
  --max-rounds 5

文献を反復的に検索し、アイデアが新規かどうかを評価します。

参考資料

• アイデア創出用プロンプト（生成、振り返り、新規性）：~/.claude/skills/idea-generation/references/ideation-prompts.md

ワークフロー

ステップ 1：アイデアを創出する

研究分野と任意のコード／論文のコンテキストに基づいて、次の作業を行います。

1. 多様な研究アイデアを 3～5 個生成します
2. 各アイデアについて、名前、タイトル、実験計画、評価を提示します
3. 参考資料にあるアイデア創出用プロンプトのテンプレートを使用します

ステップ 2：反復的に磨き上げる（アイデアごとに最大 5 ラウンド）

各アイデアについて、次の作業を行います。

1. 品質、新規性、実現可能性を批判的に評価します
2. アイデアの核となる趣旨を保ちながら、アイデアを磨き上げます
3. 収束した場合（「完了しました」）、または最大ラウンド数に達した場合に停止します

ステップ 3：新規性を評価する

有望なアイデアごとに、次の作業を行います。

1. novelty_check.py を実行するか、Semantic Scholar／arXiv を手動で検索します
2. 参考資料にある新規性確認用プロンプトを使用します
3. 複数ラウンドにわたって検索します。クエリを作成し、結果を確認して判断します
4. 新規／新規ではないの二択で、根拠を添えて判断します

ステップ 4：順位付けして選ぶ

• 各アイデアを 3 つの観点（興味深さ、実現可能性、新規性）で評価します（各 1～10 点）
• 評価は慎重かつ現実的に行います
• 発展させる上位のアイデアを選びます

出力形式

{
  "Name": "adaptive_attention_pruning",
  "Title": "Adaptive Attention Head Pruning via Gradient-Guided Importance Scoring",
  "Experiment": "Detailed implementation plan...",
  "Interestingness": 8,
  "Feasibility": 7,
  "Novelty": 9,
  "novel": true,
  "most_similar_papers": ["paper1", "paper2"]
}

ルール

• アイデアは、利用可能なリソースで実現できるものでなければなりません（新しいデータセットや膨大な計算リソースを必要としないこと）
• 特定のデータセットやモデルにアイデアを過度に最適化せず、より広い意義を目指します
• 新規性について厳しく批評し、会議論文として十分な貢献があることを確認します
• 各アイデアは、シンプルで洗練された問い、または仮説に基づくものとします
• アイデアを採用する前に、必ず新規性を確認します

関連スキル

• 上流：literature-search、deep-research
• 下流：research-planning、experiment-design
• 関連：novelty-assessment