ARI Docs

日本語

English
中文

日本語

English
中文

Appearance

クックブック ​

最もよく使う設定ノブのコピー＆ペースト用レシピ集です。これは網羅的な 設定リファレンスに対する how-to の補完であり、 レシピが完全なオプション一覧を必要とする場合は、それを繰り返すのではなく そちらへリンクします。

オーバーライドの配置場所。 環境プロファイルは ari-core/config/profiles/<name>.yaml に、ラン全体の設定は workflow.yaml に置きます。プロファイルは、--profile <name>（CLI）を 渡すかウィザードで選択すると、デフォルトの上にマージされます。evaluator: や bfts: ブロックはどちらのファイルにも追加できます。

環境プロファイル: laptop / HPC / cloud ​

3 つのプロファイルが標準で同梱されています。ari run experiment.md --profile hpc （またはウィザードの Resources ステップ）で選択します。

laptop — 小規模なローカル実行、スケジューラなし:

yaml
profile: laptop
hpc:
  enabled: false
  scheduler: none
bfts:
  max_total_nodes: 8
  parallel: 2

hpc — パーティションを自動検出する SLURM/PBS/LSF クラスタ:

yaml
profile: hpc
hpc:
  enabled: true
  scheduler: auto
  partition: auto
  cpus_per_task: 8
  memory_gb: 32
  walltime: "04:00:00"
  max_concurrent_jobs: 4
bfts:
  max_total_nodes: 20
  parallel: 4

cloud — スケジューラはないが、より広い並列探索:

yaml
profile: cloud
hpc:
  enabled: false
  scheduler: none
bfts:
  max_total_nodes: 16
  parallel: 4

レシピ — 独自のプロファイルを作る。 ari-core/config/profiles/ に新しい ファイル（例: bigjob.yaml）を置き、--profile bigjob で選択します:

yaml
profile: bigjob
hpc:
  enabled: true
  scheduler: auto
  partition: gpu
  cpus_per_task: 32
  memory_gb: 128
  walltime: "12:00:00"
bfts:
  max_total_nodes: 40
  parallel: 8

パーティション検出と SLURM の詳細については HPC セットアップ を参照してください。

探索と評価器のチューニング ​

ARI は 4 つの独立した評価レイヤを公開しています。各デフォルトは従来の挙動を 再現する no-op です。完全なセマンティクスは 設定 → BFTS 評価レイヤ にあります。以下のレシピはよく使う組み合わせです。

ボトルネックスコアリング — すべての軸が良好なときだけノードを報酬する:

yaml
evaluator:
  composite: weighted_min   # the score is the lowest axis; weights gate participation

より多くの探索 — UCB スタイルのフロンティアランキング（同じ高スコアノードを 探索が再展開し続けるときに有効）:

yaml
bfts:
  frontier_score: ucb_like
  ucb_c: 1.0                # 0.0 reduces this back to the default strategy

浅いノードを優先する — フォールバックランキングで深さにペナルティを与える:

yaml
bfts:
  frontier_score: depth_penalized
  depth_penalty_lambda: 0.1

汎用の 5 軸の代わりにカスタム軸（例: 高速化）を測定する:

yaml
evaluator:
  axis_mode: custom
  custom_axes: [correctness, speedup, reproducibility]
  # axis_weights below set the relative weight of each named axis

監査前の挙動を厳密に再現する（正規の 5 軸と調和平均を固定する）:

yaml
evaluator:
  axis_mode: legacy
  composite: harmonic_mean

独自の選択プロンプトに差し替える（Layer D）— ari-core/ari/prompts/ 配下のテンプレートを指す（.md サフィックスなし）。同じプレースホルダを 保持する必要があります:

yaml
bfts:
  select_prompt: orchestrator/my_select          # needs {experiment_goal} {memory_context} {candidates}
  expand_select_prompt: orchestrator/my_expand    # needs {experiment_goal} {candidates}

PaperBench: 再現 vs 監査 ​

どちらのモードも同じルーブリック機構で駆動されます。違いは何を対象に 指すかです。エンドツーエンドのフローは PaperBench クイックスタートを、 すべてのノブは環境変数を参照してください。

論文を再現する（コードを最初から実行して採点する）。自動選択が誤った ものを選んでしまう場合は、Phase 1 のサンドボックスを明示的に固定します:

bash
export ARI_PHASE1_SANDBOX=slurm        # or docker / apptainer / singularity / local
export ARI_SLURM_PARTITION=gpu          # required when the sandbox is slurm

論文を監査する（論文それ自体が再現可能な程度に十分よく記述されて いるかを判定する）— ルーブリックを通じて監査用の venue テンプレートを 選択します:

bash
export ARI_RUBRIC=sc                    # venue template: sc / neurips / nature

ARI_RUBRIC を切り替えると、BFTS のスコアリング軸と公開レビュー基準が 同時に変わります — 用語集 → venue と アーキテクチャ → Plan / Venue contract を参照してください。

関連項目: 設定リファレンス · HPC セットアップ · PaperBench クイックスタート · 用語集