目次

気になるAI論文を見つけた。タイトルとリンクだけ保存して、あとで読もうと思う。数週間後、似たテーマの論文を調べ始めたとき、あの論文はどこに保存したのか、何が面白かったのか思い出せない。

そういう「読んだはずなのに、次の調査に生かせない」を減らすためのリポジトリが、Akihiko Watanabeさんの「paper_notes」だ。AI関連の論文やブログ、コード、スライド、SNSの投稿などを、GitHub Issuesに手作業で集めている。論文リンクを並べるだけの一覧というより、メンテナー自身の理解や学びを残す研究ログとして育てられている。

収録分野は自然言語処理、コンピュータビジョン、音声処理、推薦システム。LLMやVLM、拡散モデル、AIエージェント、評価、強化学習など、最近関心を寄せているテーマも幅広い。蓄積したIssueは日ごとにagent_docs/へ書き出され、リポジトリ内の情報をエージェントに読ませて質問する使い方も用意されている。

まずはGitHubのリポジトリ ↗を開いて、IssueやREADMEを眺めてみると、どんな情報が集まっているのかつかみやすい。

論文のリンクに、読んだ人の理解を添える#

各Issueには、論文や関連記事へのリンク、論文のメタデータや概要、日本語訳や要約、メンテナー自身のメモ、手動で付けたラベルなどが含まれる。関連する外部記事や議論へのリンクが添えられている場合もある。論文情報と概要の取得にはarXiv APIが使われ、日本語訳や要約はGPTで自動生成されている。

ただし、Issueの中身はすべて同じ細かさで整理されているわけではない。論文の概要や関連投稿をざっと見た第一印象だけのものもあれば、複数の技術的なポイントを掘り下げたメモもある。メンテナーの興味や読めた時間によって粒度が変わる、とREADMEにも説明がある。

この幅は、個人の勉強ログとして見ると自然だ。論文を見つけた段階で短いメモを残し、時間が取れたら詳しく書く。すべての論文に完成度のそろった解説を用意することを目的にせず、そのときの理解を記録しておく。読む側はメモの分量を手がかりにしつつ、必要なら論文や元記事にも当たれる。

ラベルもメンテナーが解釈して付けている。媒体、研究分野、タスク、手法、細かなカテゴリ、特徴、会議やジャーナルなど、いくつかの軸でIssueを絞り込める。ラベルは600種類以上あり、まだ全Issueに付け終わっていないものもあるとのこと。分類は便利な入口になる一方、網羅性や付与状況は自動で保証されているわけではない。特定テーマを調べるときは、ラベル検索だけで結論を出さず、関連Issueや元論文も見ていくのがよさそうだ。

GitHub Issuesを、あとから会話できる資料に#

paper_notesの特徴は、蓄積したIssueをエージェントから参照できる形にしていることだ。READMEでは、リポジトリをローカルにクローンし、エージェントに質問する方法が案内されている。agent_docs/にはIssueの内容が日次で書き出されるため、エージェントは大量のHTMLを読み込まず、研究メモをもとに回答できるよう、AGENTS.mdやエージェント向けの説明も用意されている。

たとえば、LLMの事前学習について年代順にまとめ、参照した資料と元のIssueへのリンクも添えるよう頼める。これなら、保存したメモを一件ずつ開いて読むだけでなく、複数のIssueをまたいで調査の足場を作れる。質問の答えをそのまま確定事項として扱うより、示された論文やIssueを開いて確認しながら使うのが向いている。

基本の手順はシンプルだ。

  • リポジトリをクローンする。
  • Codexなど、ローカルのファイルを参照できるエージェントで開く。
  • AGENTS.mdやagent_docs/の案内を確認する。
  • 調べたいテーマと、回答に含めてほしい出典を具体的に伝える。
  • 回答に挙がったIssueや論文を開き、必要な箇所を確かめる。

たとえば「事前学習を年代順にまとめて」とだけ頼むより、「論文の発表時期を手がかりに並べ、根拠にした論文と元のIssueへのリンクも示して」と頼むほうが、あとから確認しやすい。リポジトリに蓄積された情報の範囲内で質問するのがポイントだ。ここに記録されていない論文まで、漏れなく調査できる仕組みではない。

GitHub上のIssueを直接読む方法に加えて、DeepWikiやCodeWikiのような会話型インターフェースからリポジトリを探索する方法も紹介されている。資料を探す入口として使い、詳しく読みたい内容が見つかったらIssueや元論文へ移る、という流れが取りやすい。

個人のトレンドメモは、論文ノートと分けて読む#

リポジトリにはWikiもあり、Xで論文や議論を眺めているときに気づいたトレンドを、メンテナー個人の印象として記録している。更新は不定期で、まだ固まっていない考えを軽く書き留める場所だ。誤りや偏りを含むこともあると明記されている。

ここは、論文のメタデータや要約を集めたIssueとは性格が違う。研究の流れを考えるヒントとして読むには面白いが、特定分野全体の客観的な調査結果として扱うものではない。気になる見立てを見つけたら、関連する論文や議論をたどって自分でも確かめたい。

この区別は、エージェントに質問するときにも役立つ。論文の内容を整理したいのか、個人的なトレンド観察を読みたいのかを質問で示せば、答えに求めるものが明確になる。たとえば「収録Issueに基づいて論文の流れをまとめて」と「Wikiに書かれた個人的なトレンドの印象を要約して」では、期待する回答が違う。

更新情報から分かる、いまの使いどころ#

更新履歴を見ると、2026年3月にはエージェント向けにAGENTS.mdとドキュメントが追加された。7月ではなく、履歴上は2026年3月7日の更新だ。2026年9月19日にはブログの全文検索が実装され、生成ファイルのdocs/をリポジトリから削除するために履歴が書き換えられた。古いコミットハッシュは使えなくなり、既存のクローンは削除して新しくクローンし直すよう案内されている。サイトはGitHub Actionsでビルドされ、Pagesの成果物として公開される方式になった。

その後、2026年10月14日には、9月19日の更新からagent_docs/が更新されなくなっていた問題が修正された。クローンしてエージェント利用を試すなら、READMEの最新の手順に沿うのがよさそうだ。とくに、以前のクローンをそのまま使っている場合は、履歴書き換えに関する案内を先に確認しておきたい。

ブログ形式でIssueを読めるようにしたのは2024年9月で、現在はブログの全文検索もある。GitHub Issueをたどる方法と、ブログで検索する方法、エージェントに横断的な質問をする方法を、調べたい内容に合わせて選べる。論文を一件読むときは元論文と個別メモへ、テーマ全体の足がかりを探すときは検索や会話型インターフェースへ、という使い分けができる。

自分の調査に取り入れるなら#

paper_notesは、すべてのAI研究を網羅したデータベースではない。個人の関心に沿って手作業で集められ、ラベルやメモの詳しさにも差がある。それでも、論文のリンクと日本語の理解メモ、関連資料がまとまっていることで、知らなかった研究に出会う入口になり、過去に読んだ内容を調べ直す助けにもなる。

まずは関心のある分野のIssueを2〜4件ほど開き、論文リンク、メモの粒度、ラベルの使われ方を見てみよう。そのあとで、ブログの全文検索かエージェントへの質問を試すと、自分の調査に合う使い方を判断しやすい。手元で試すなら、リポジトリを新しくクローンして、READMEの案内に沿ってエージェントに小さな質問を一つ投げてみてほしい。そこから出典のIssueへ進めば、蓄積された研究ノートを実際の調査に使い始められる。

出典: https://github.com/AkihikoWatanabe/paper_notes

目次