Sibylは、Sibyl Research Teamによって2026年5月に発表された、オープンソースベースの完全自律型AI研究エージェントシステムです。このシステムは、従来の単純な「論文作成ツール」のレベルを超え、AI研究者として、文献調査、仮説設定、GPU実験の実行、結果の検証、学術論文の草案作成など、研究開発（R&D）の全プロセスを自律的に実行することを目標に設計されています。ファイルベースのアーキテクチャを採用することで、エージェントの動作状態、記憶、履歴などを透明にモニタリングでき、Claude Codeとの連携により、強力なマルチエージェント環境で機械学習および深層学習研究を独立して実行できる基盤を提供します。まるで人間研究者が実験室で実験ノートを書き、フィードバックを受けながら成長するように、Sibylはファイルベースの実験記録を通じて、継続的に自己を改善していきます。 従来の自律型AI研究エージェントは、主に実行可能なワークフローやそれらしいテキスト論文を生成することに集中していたため、実際に実験が失敗したり、数値に矛盾が生じた場合に、それを自ら修正し、判断する「科学的判断力」が欠けていました。つまり、一度限りの結果を導き出すことはできても、繰り返される試行錯誤の中で学びを得ることができず、毎回同じ間違いを犯したり、統計的な歪みを放置するという、根深い問題を抱えていました。Sibylは、これらの問題を克服するために、自律進化型試行錯誤ハーネス（Self-evolving trial-and-error harnesses）構造を独自に導入しました。これは、エージェントが実験中に発生したエラーや重複した結果などのネガティブなシグナルを無視せず、それをフィードバックループに還元して計画を修正したり、検証方法を高度化する、という主要なメカニズムを意味します。まるで囲碁AIが数多くの自己対局を通じて、勝利と敗北を分析し、棋力を向上させるように、Sibylは成功と失敗のすべてのデータポイントをシステムの行動指針に変換し、自ら研究の厳密性を高めます。 バイオテクノロジーや機械学習の分野の研究者は、Sibylを活用することで、大規模な薬物有効性予測モデルやタンパク質構造解析用のニューラルネットワーク学習などにおいて、アイデアの探索とチューニング作業を飛躍的に加速させることができます。例えば、研究者が特定の生体活性物質の反応予測のために、おおまかな仮説を伝えると、Sibylは直ちに関連する学術データベースをクロールして先行研究を分析し、最適なモデルアーキテクチャとハイパーパラメータの組み合わせを設計します。その後、仮想マシンに割り当てられたNVIDIA GPUを直接駆動し、エポックごとの学習曲線と誤差信号をリアルタイムでファイル形式で記録します。学習中に勾配消失現象が検出された場合、試行錯誤ハーネスが誤動作シグナルを検出し、trial-to-behavior変換モジュールを起動して、重み初期化手法を自動的に変更するなど、能動的なシステム自己修正を実行します。最終的に導き出された最適なモデルと対照群との定量的な比較テーブルを基に、国際学会形式の論文草案を作成して研究者に提供するため、研究者は単純なコーディングや反復実験の代わりに、主要なアイデアの確立に専念することができます。

Sibylは、Sibyl Research Teamによって2026年5月に発表された、オープンソースを基盤とする完全自律型AI研究エージェントシステムです。