AI エージェント活用
Claude Code などの LLM エージェントを道具としてコンペ作業に活用する手法をまとめます。
ベースライン構築や過去解法の調査を自動化できる一方、上位入賞には人間による問題定義や改善方針の判断が求められます。
エージェント自体を提出して競わせる形式はエージェント対戦コンペを参照してください。
押さえどころ
- 2023 年の ChatGPT Code Interpreter による初期の挑戦は惨敗に終わったものの、2025 年には Claude Code 主体で上位 30% に到達する事例が登場し、エージェント支援の実用性が急速に高まった(Code Interpreter での挑戦、Claude Code での上位 30% 事例)。
- 2025 年の年次レポートでも完全自律のエージェントによる単独上位入賞は未報告だが、人間との協働による金メダル獲得事例は国内でも複数出ている(The State of Machine Learning Competitions 2025)。
- ベースライン作成が効率化された結果、人間の役割は「何がスコアを左右するか」の見極め、CV(交差検証)設計やリーク検知の妥当性検証、改善方針の決定へ移っている(コーディングエージェント時代の Kaggle)。
- 「方針決定と採否の判定は人間、実装と確認はエージェント」という役割分担が定着しつつある(AI エージェント時代の取り組み方)。
- 実験結果をリポジトリと指示ファイルに集約すればコンテキスト切れの後も引き継げるため、ローカル GPU 1 枚とスマートフォンからの指示だけで金メダルを獲得した事例もある(生成 AI にどこまで任せられるか)。
- エージェントへの依存度が高まるほど、有望な仮説の早すぎる棄却や探索の行き詰まりを防ぐ人間の判定基準が重要になり、肥大化した構成を定期的に簡潔へ戻す整理も欠かせない。
- Claude Code のほか Cursor、Manus AI、Cline、Devin などの比較検証や、過去コンペの上位解法を調査・要約させる用途、skills / agents 設定の共有も進んでいる。
- エージェントとの協働には実験の再現性と記録が前提になる(実験管理)。エージェントの自律性を測る MLE-Bench やノートブックのクラッシュを集めた JunoBench など、評価基盤の整備も進んでいる。
- エージェントそのものを提出・評価するコンペはエージェント対戦コンペを参照。
資料
ツール活用・協働の設計
評価ベンチマーク・初期事例
関連概念