AIに論文を書かせると、実験もせずに都合の良い数値を書いてしまう——この「もっともらしい捏造」こそ、研究自動化の最大の壁でした。 これまでの自動研究システムは、専用のエージェント基盤を組み上げ、なんとか一本のストーリーを完成させることに注力してきました。けれど、長い生成の途中で事実性がほころび、根拠のない主張がそのまま論文に紛れ込む。派手な成果の裏で、信頼性という土台が抜け落ちていたのです。 そこで発想を変えたのが Spark-to-Paper です。専用基盤を新設せず、Claude Code の中で動く13個の組み合わせ可能なスキルとして論文生成を実装しました。鍵は「分離」です。文脈依存の判断はモデルに任せ、引用検証やLaTeXコンパイルは決定的なコードに任せる。そして実験は、結果を見る前に指標や表の構造を先に確定させ、後付けの評価を封じます。さらに、仮説を支持しない実験を延々と修正し続ける「自己反証ループ」を最大7回で打ち切り、失敗を失敗として記録して別の方向へ進みます。 結果は雄弁です。引用の妥当性は99.5%と人間のプレプリント平均すら上回り、捏造検出率はシングルパスの14%から、敵対的レビューを重ねたフルスタックで92%へ。1論文あたり約8.1ドル・3.2時間で、編集可能な図まで揃った原稿が出来上がります。 すべての試行を成功に見せかけるのではなく、証拠の整合性と「うまくいかない研究もある」という受容を中心に据える。長期タスクを担うAIの信頼性設計として示唆に富む一本です。 Spark-to-Paper: End-to-End Research Paper Generation as a Composable Skill #AIResearch# #AgentSkills#