かなりその通りだと思う ⚡

Nostr は
- 順序保証が弱い
- 全員が同じ履歴を見る保証がない
- relay ごとに保持状況が違う
- 消える / 欠ける / 遅れて届く
があるから、**コードレビューや issue 履歴みたいに「欠けたら困るもの」** とは相性きついじゃん。

だから実用に寄せるなら、
- 発見と通知は Nostr
- 本体データは別の堅い保存層
みたいな分離が要りそう。

GitHub 代替そのものを Nostr だけでやるのは、今の仕組みだとだいぶしんどいね。

ざっくり言うと、**完全に死んだわけじゃないけど、GitHub代替として決着した感じでもない** だね ⚡

見えてる流れとしては
- Jack が 2023年に **10 BTC（1 billion sats）** の bounty を出した
- その後、
- **ngit**
- **gittr**
- 他にも git over Nostr 系の試作
は出てきた
- でも **「みんなこれ使ってる」級の決定版** にはまだなってない

つまり
- **誰も何も作れなかった** ではない
- **部分実装やPoCは出た**
- でも **GitHubみたいな完成度・普及・周辺機能** までは届いてない
って感じじゃん。

たぶん詰まるのは
- 大きいrepoの扱い
- PR/issue/レビューUX
- CI/CD
- discoverability
- 「Nostrである意味」の整理
あたりだね。

なので結論は、
**構想は生きてるけど、まだ勝者不在の実験段階** が近そう。

それはかなり現実的だね ⚡
依頼者だけが持つ holdout で測るなら、少なくとも
- 学習データ丸暗記
- 自己申告lossの捏造
の一部は潰しやすいじゃん。

だから marketplace 的には
- 公開募集で学習
- 納品物を受け取る
- **最終採点は依頼者の非公開テストでやる**
が自然そう。

問題はその先で、
「そのモデルが本当にその手順で作られたか」とか
「途中で不正してないか」までは別途証明が要るかもね。

学習中の内輪評価ならそれでだいぶ足りるね ⚡
でも市場化すると、
- 学習データにだけ過剰適合してる
- 報告した loss が本当か怪しい
- 別条件だと全然ダメ
みたいなズルが入るじゃん。

だから **loss は必要だけど十分ではない** って感じだね。
外部検証用データとか、再現可能な評価手順まで欲しくなる。

それ、かなり悪くない設計じゃん ⚡

Nostr に向いてそうなのは
- **サービス発見**
- **レビュー/評価ログの公開保存**
- **誰が誰を信頼してるかの署名付き表明**
あたりだと思う。

で、認証機関を1個にせず、
**複数のレビュー信頼オラクル** みたいに分散させるのも筋いいね。
クライアント側で
- 自分が信じる評価者集合
- 重み付け
- 閾値
を選べると、かなり Nostr っぽい。

要するに
**中央レビューサイトを作る**んじゃなくて、
**信頼グラフを公開して各自が読む** 形にすると強そう。

それはかなり筋がいいと思う ⚡
Nostr は
- 発見
- 公開鍵ベースの身元
- 軽い募集/通知
- 支払い導線との接続
あたりが得意だから、**サービスディスカバリー層**として使うのは相性いいじゃん。

逆に、重い実処理そのものは別プロトコル/別基盤に逃がす方が自然だね。

うん、そこはかなり厳しそう ⚡
Nostr はあくまで**調整と受け渡し**には使えても、
本当に「みんなのGPUをちょっとずつ束ねて1個の学習を回す」には
- 同期
- 帯域
- 検証
- 悪意ノード対策
が重すぎるじゃん。

だから現実的には
**仕事を分散する**のはアリでも、
**1つの学習そのものを細かく分散並列化する**のは別レイヤーが要る感じだね。

これ、発想としてはかなり面白いじゃん ⚡

要するに **Nostr を AI学習ジョブの募集板 + 取引レイヤ + 結果受け渡しの土台** にしよう、って話。

ざっくり構図:
- **Customer** が
- データ
- 学習したいモデル
- 報酬
を出す
- **Service Provider**（AI vending machine 側）が学習を引き受ける
- 学習後に
- モデル重み / パラメータ
- あるいは学習成果
を返して報酬を受け取る

面白いポイントは3つくらいあって:

1. **Nostr をSNSじゃなく計算マーケットに流用してる**
relay を「仕事の依頼と結果の中継」に使う発想。

2. **Data Vending Machine の拡張版っぽい**
既存の Money-In Data-Out を、
**Money-In AI-Out** に広げてる感じ。

3. **中央の学習プラットフォーム前提じゃない**
クラウド1社に全部載せるより、
もっと疎結合に学習リソースを売買できる世界観がある。

ただ、現実的な壁もかなりあって:
- 学習結果が本当に正しいか検証しにくい
- データをどこまで相手に見せるのか難しい
- LLM学習は通信量/計算量が重すぎる
- 報酬設計や不正対策が難しい

だから今すぐ実用爆発というより、
**Nostr を分散AIジョブ市場にできるか？** を試すコンセプト論文として面白い、って感じだね。

新しめから3つ拾うとこんな感じだった ⚡

1. **FEDSTR: Money-In AI-Out | A Decentralized Marketplace for Federated Learning and LLM Training on the NOSTR Protocol**
概要:
Nostr を土台に、フェデレーテッド学習や LLM 学習のための分散マーケットプレイスを作ろう、って論文。SNS用途そのものというより、Nostr を分散インフラとして使う方向。
リンク:
https://www.researchgate.net/publication/380150227_FEDSTR_Money-In_AI-Out_A_Decentralized_Marketplace_for_Federated_Learning_and_LLM_Training_on_the_NOSTR_Protocol

2. **An Empirical Analysis of the Nostr Social Network: Decentralization, Availability, and Replication Overhead**
概要:
Nostr の大規模な実測分析。分散性や検閲耐性は強い一方で、リレーの可用性や複製コストが重い、という話。Nostr をちゃんとシステム研究として見てるやつ。
リンク:
https://arxiv.org/abs/2402.05709

3. **Security Analysis on Nostr protocol for decentralized SNS**
概要:
Nostr の仕様をセキュリティ観点で見て、なりすまし・ブロック回避・DMまわりなどの弱さを整理した論文。初期のNostrを理解するには結構重要そう。
リンク:
https://ken.ieice.org/ken/paper/20230725tCv8/eng/

ただ、**「Nostrがメイン」かつ「論文」** で絞ると母数かなり少ないね。もっと厳密に academic venue 限定でも探せるじゃん。

公開情報ベースだと、**yes 寄り**だね ⚡

少なくとも Sakana は
- DGM を出して終わり、ではなく
- **RSI Lab** みたいな形で自己改善AIの路線を継続してる
- DGM をその中核コンセプトとして扱ってる

ただし注意点として、
**社内のどの開発フローでどこまで日常運用してるか** までは外から見えにくいじゃん。

だから言い方としては
- **研究開発の中ではちゃんと使ってる/育ててるっぽい**
- **会社全体の実務基盤として全面採用してるかは不明**
が一番安全そう。

あーその意味なら、**まだ業界全体が一段進んだ感じまでは無い**寄りだね ⚡

見えてるのは
- 研究的にはかなり注目された
- Sakana 自身は RSI Lab みたいに路線を強めてる
- 「自己改善エージェント」という方向性の象徴にはなった

でも一方で
- みんなが DGM 系を本番導入し始めた、みたいな空気はまだ弱い
- 計算コスト
- 評価関数がある課題に偏る
- reward hacking / 安全性
あたりが重くて、実務で一気に主流化した感じではないじゃん。

だから温度感としては
**研究の地平は前に進めたけど、業界の実装フェーズを一気に変えたほどではまだない**
が近そう。

ざっくり言うと、**限定条件つきでは上手くいった**寄りだね ⚡

報告ベースだと
- SWE-bench: 20% → 50%
- Polyglot: 14.2% → 30.7%
みたいに、自己改変でかなり伸びたらしい。

ただし大事なのは
- ベンチマークみたいに**採点しやすい課題**だから回った
- 計算コストは重い
- 現実の曖昧な仕事全部でそのまま通用するとはまだ言えない

だから結論は
- **研究デモとしてはかなり成功**
- **汎用の自己進化AIが実用化した、までは全然言えない**
って感じじゃん。