paper-yomi — 英語論文の日本語精読スキル

英語論文を Keshav の 3 パス法 で読み解き、英日対訳 2 カラムの HTML 精読ノートを出力する。 対象は主にロボティクス／Physical AI／機械学習。

出力の約束（デフォルト）

項目	既定値
出力形式	対訳 2 カラム HTML（1 論文 = 1 ファイル、自己完結）
深さ	3rd pass 相当の精読（数式の導出・ハイパラ・再現条件まで）
本文言語	日本語
英語原文	重要箇所のみ引用（Abstract 全文＋各節のキー文）。全文対訳はしない
専門用語	英語 + 日本語訳 + 解説を Glossary 表に。本文初出も 英語（日本語）

ユーザが別の形式（Markdown / docx / PDF）や別の深さ（1st/2nd pass 相当）を指定したら、 それに従う。指定がなければ上表のとおり。

---

手順

STEP 0 — 論文を取得する

• arXiv URL / ID を渡された場合: WebFetch で https://arxiv.org/pdf/<ID> を取得。 本文が長いと結果はファイルに保存されるので、Read で 先頭から順に全チャンク読む。 途中で止めない。読めなかった範囲があれば出力の footer に明記する。
• ローカル PDF の場合: pdf スキル、または pdftotext -layout でテキスト化。
• タイトルだけ渡された場合: WebSearch で arXiv ID を特定してから取得。
• 併せて プロジェクトページ・GitHub・OpenReview を探す。 OpenReview のレビューは STEP 5（批判的評価）と Raff ⑦（他の専門家の評価）の一次資料になる。

Sandbox の bash から arxiv.org へ直接 curl するのは proxy で 403 になる。必ず WebFetch を使う。

STEP 1 — 1st pass → 5 つの C

Title / Abstract / Introduction / 節見出し / Conclusion / References だけを見て、 reference/method.md §A の 5 つの C に答える。1 項目 2〜3 文。

Correctness で赤信号（前提が明らかに怪しい）が出たら、その旨を明記した上で精読を続行する。

STEP 2 — 用語の棚卸し（Raff ②）

論文中の専門用語・略語をすべて拾い、reference/glossary.md の訳出三原則に従って対訳表を作る。 手法名・モデル名・データセット名は訳さない。 20〜35 語程度が目安。 その論文を読むのに実際に必要な語だけに絞る（一般的すぎる語は入れない）。

STEP 3 — 2nd pass → 手法の解剖

• 図・表を 1 つずつ 読み解く。Figure N が何を示しているかを日本語で説明する
• パイプライン全体を段階に分けて記述する
• 軸ラベル・エラーバー・試行回数をチェックする（Keshav が明示的に要求している点）
• 各節のキー文だけ英語原文で引用し、.pair の 2 カラムで対訳を付ける

STEP 4 — 3rd pass → 仮想再実装

「自分がゼロから実装するなら何が必要か」を書き出す：

• 数式：主要な式を LaTeX で .math ブロックに書き、記号の定義（.where）を必ず添える
• ネットワーク構成：入力次元・出力次元・層数・活性化
• 学習設定：アルゴリズム、環境数、学習ステップ数、報酬項とその重み、GPU 時間
• ハードウェア：ロボット機種、センサ構成、制御周波数
• 論文に書かれていない情報は「論文に記載なし」と明記する。これが再現性の評価そのもの

STEP 5 — 批判的評価（Raff ⑤ + Keshav 3rd pass）

reference/method.md §E の Physical AI 固有チェックリストを全項目走査する：

• E-1 Sim-to-Real ギャップ / E-2 評価の誠実さ / E-3 ハードウェア依存性
• E-4 データ / E-5 再現可能性

さらに：暗黙の前提、結果の別解釈、欠落した引用、著者自身が認めている限界。 褒めるだけのノートは失敗。最低 3 つは具体的な弱点を挙げる。

STEP 6 — Andrew Ng の 4 つの問い

1. 著者は何を達成しようとしたか
2. 手法の鍵となる要素は何か
3. 自分が使える部分はどこか ← ここを最も具体的に書く
4. 次に追うべき参考文献はどれか（3〜5 本、なぜ読むかを添えて）

STEP 7 — Abstract 再読・検算（Raff ⑥）

Abstract の主張と本文の内容が一致しているか照合する。 食い違い（Abstract が過大に主張している等）があれば批判的評価に追記。 最後に TL;DR を 2〜3 文で確定する。

STEP 8 — 図とリンクを集める

論文の図は著者が公開しているものにリンク参照する（再配布しない）。取得先の優先順：

1. arXiv の HTML 版：https://arxiv.org/html/<ID> を WebFetch して画像 URL を探す
   • LaTeX 由来の図：https://arxiv.org/html/<ID>/x1.png, x2.png, …
   • 埋め込み画像：https://arxiv.org/html/<ID>/extracted/<num>/figures/.../name.png
   • HTML 版が無い論文もある（PDF から変換されたテキストに _page_0_Picture_3.jpeg のような ダミーパスが出たら HTML 版は存在しない）。その場合は 2 か 3 へ
2. プロジェクトページ：WebFetch して <img> の URL を拾う
3. GitHub リポジトリ：raw.githubusercontent.com/<user>/<repo>/main/images/teaser.gif など。 README を WebFetch して確認する

リンク集を必ず作る。 WebSearch で github <手法名> <著者名> code を検索し、 公式リポジトリ・プロジェクトページ・OpenReview・PMLR 予稿・動画を集めて .repo ブロックに並べる。見つからなかった場合は「公開が確認できませんでした」と明記する （無いことも読者にとって重要な情報）。

<div class="repo">
  <a href="..."><span class="ic">📄</span> arXiv:XXXX.XXXXX <span class="sub">論文</span></a>
  <a href="..."><span class="ic">💻</span> github.com/user/repo <span class="sub">コード（ライセンス）</span></a>
  <a href="..."><span class="ic">🌐</span> project.page <span class="sub">プロジェクトページ・動画</span></a>
</div>

図は <figure class="pf"> で入れ、キャプションを日本語で書き直す（原文の直訳ではなく、 その図から何を読み取るべきかを書く）。出典は必ず明記する。

STEP 9 — HTML を生成してビルドする

assets/template.html の {{...}} を埋める。

必ず数値を原文と照合してから書く。 成功率・改善幅・試行回数は捏造しやすいので、 本文に出てくる数字だけを使い、出典の節/表番号を添える。

生成後、必ず数式レンダリングを走らせる（前掲の scripts/render_math.mjs）。 これを飛ばすと生の LaTeX が表示されて読めない。

---

HTML の書き方

対訳 2 カラム（このスキルの中核）

<div class="pair q">
  <div class="en"><span class="lbl">Original (EN)</span>
    We propose the first unified policy for legged robots that jointly models
    force and position control learned without relying on force sensors.
    <span class="cite">— Abstract</span>
  </div>
  <div class="ja"><span class="lbl">日本語訳</span>
    力センサに依存せずに、力制御と位置制御を同時にモデル化する、脚型ロボット向けの
    初の統合方策を提案する。
    <span class="cite">— Abstract</span>
  </div>
</div>

.pair は左に英語、右に日本語。q クラスを付けると英語側がセリフ体になる（直接引用用）。 860px 以下では自動で縦積みになる。

引用の粒度：1 引用 = 1〜3 文。段落まるごとは引用しない。 「重要箇所のみ」という設計なので、1 論文あたり 5〜10 個 の .pair が適量。

数式 — LaTeX で書き、ビルド時に SVG へ焼き込む

数式は必ず LaTeX で書く。$...$（インライン）と $$...$$（ディスプレイ）を使う。

<div class="math">
  <span class="tag">式 (3) — 目的関数</span>
  $$\mathcal{L} = \mathbb{E}\left[\sum_t \gamma^t r_t\right] - \lambda\,\mathrm{KL}\!\left(\pi_\theta \,\|\, \pi_{ref}\right)$$
  <span class="where"><b>記号</b>：$\gamma$ は割引率、$r_t$ は時刻 $t$ の報酬、
  $\lambda$ は正則化係数、$\pi_{ref}$ は参照方策。</span>
</div>

記号定義のない数式は書かない。 .where に必ず記号の意味を添える。

重要：CDN の MathJax を使ってはいけない

<script src="https://cdn.jsdelivr.net/...mathjax..."> を埋め込む方式は、 ユーザがローカルで HTML を開いたときにネットワークが無ければ数式が生の LaTeX のまま表示される。 これは実際に起きる。必ず以下の手順でビルド時に SVG へ変換し、 出力を完全にオフラインで完結させること。

# 初回のみ
mkdir -p /tmp/mjx && cd /tmp/mjx && npm init -y >/dev/null
npm install mathjax-full@3.2.2 --no-audit --no-fund

# レンダリング（$...$ と $$...$$ をインライン SVG に置換、ファイルを上書き）
cp <このスキルのパス>/scripts/render_math.mjs /tmp/mjx/
node /tmp/mjx/render_math.mjs /path/to/*.html

scripts/render_math.mjs は以下を行う：

• <script> / <style> / <pre> / <code> の中は保護して触らない
• $$...$$ → <span class="mjx-d">…SVG…</span>（ディスプレイ）
• $...$ → <span class="mjx-i">…SVG…</span>（インライン）
• fontCache: 'none' なので各 SVG が単独で完結する（フォント不要）
• SVG は fill="currentColor" を使うのでダークモードで自動的に色が反転する

レンダリング後、CDN の <script> タグを削除し、次の CSS を <style> に追加する：

.mjx-d{display:block;text-align:center;margin:.65em 0;overflow-x:auto;
       overflow-y:hidden;max-width:100%;padding:2px 0}
.mjx-d svg{max-width:100%;height:auto;color:var(--ink)}
.mjx-i svg{vertical-align:-0.25ex;color:inherit}
td .mjx-d{margin:.2em 0;text-align:left}

コードや擬似コードは数式にしない

PDDL・アルゴリズム・設定ファイルなどは <pre> に入れ、 親要素に class="math no-mathjax" を付けて数式変換の対象外にする。

<div class="math no-mathjax">
  <span class="tag">PDDL 演算子</span>
<pre style="margin:0;font-family:var(--mono);font-size:13px;line-height:1.9">(:action PickTool
  :parameters (?tool - tool)
  ...
)</pre>
</div>

注釈ブロック

クラス	用途
.note.fig	図・表の読み解き
.note.good	評価できる点
.note.warn	注意点・限界
.note.crit	明確な問題点

用語表の行

<tr><td><span class="term-en">loco-manipulation</span></td>
    <td>ロコマニピュレーション</td>
    <td>移動(locomotion)と操作(manipulation)の合成語。歩きながら物を操る能力を指す。定訳がないため英語のまま使う。</td></tr>

---

複数論文をまとめて処理する場合

1. 論文ごとに独立した HTML を 1 ファイルずつ作る（<slug>.html）
2. 全部終わったら index.html を作り、カード一覧＋横断比較表を載せる
   • 比較軸：タスク領域 / ロボット / 学習手法 / 実機評価 / コード公開 / 主な弱点
3. ファイル名は <第一著者姓 or 手法名>-<短いスラッグ>.html（小文字ケバブケース）

---

品質チェック（出力前に必ず）

内容：

• 数値はすべて原文に存在するか。節/表番号を添えたか
• 手法名・モデル名を日本語に訳してしまっていないか
• 弱点を 3 つ以上、具体的に挙げたか
• 「論文に記載なし」を、書かれていない項目に正しく付けたか
• .pair の左右で内容が対応しているか（訳し漏れ・意訳しすぎがないか）
• 全チャンクを読んだか。読めなかった範囲を footer に明記したか

ビルド（スクリプトで機械的に確認できる）：

# 1. 未置換プレースホルダ
grep -o '{{[A-Z_]*}}' out.html

# 2. 生の LaTeX が残っていないか（$$ が残っていたらレンダリング漏れ）
grep -c '\$\$' out.html          # 0 であること

# 3. CDN 依存が残っていないか
grep -c 'cdn\.\|MathJax-script' out.html   # 0 であること

# 4. タグの閉じ忘れ
python3 -c "
from html.parser import HTMLParser
import sys
class V(HTMLParser):
    VOID={'br','img','hr','meta','link','input','source','path','use','rect','circle','line','polygon','stop'}
    def __init__(self): super().__init__(); self.st=[]
    def handle_starttag(self,t,a):
        if t not in self.VOID: self.st.append(t)
    def handle_endtag(self,t):
        if t in self.VOID: return
        if self.st and self.st[-1]==t: self.st.pop()
        else: print('MISMATCH', t)
v=V(); v.feed(open(sys.argv[1],encoding='utf-8').read())
print('unclosed:', v.st or 'none')
" out.html

4 つすべてが通ってから納品する。 特に 2 と 3 は、ユーザがオフラインで開いたときに 数式が読めるかどうかを直接決めるので飛ばさない。

---

参考ファイル

• reference/method.md — 統合メソッドの全文（Keshav / Ng / Raff の原典要約と、Physical AI 固有チェックリスト）
• reference/glossary.md — ロボティクス用語 EN→JA 対訳辞書と訳出三原則
• assets/template.html — 出力 HTML テンプレート
• scripts/render_math.mjs — LaTeX → インライン SVG の変換スクリプト（Node + mathjax-full）