CommunityRedacción y edicióngithub.com

Paper Explainer (Explicador de Artículos Académicos)

Una habilidad para Claude Code / Codex que lee en profundidad un artículo académico y lo explica detalladamente en español, basándose en un grafo de conocimiento anclado para nunca inventar contenido que no esté en la fuente original.

¿Qué es Paper Explainer (Explicador de Artículos Académicos)?

Esta habilidad está diseñada para que asistentes de IA lean y expliquen artículos académicos con precisión, evitando el problema común de la invención de información. Su núcleo es la construcción de un grafo de conocimiento anclado: cada afirmación, número o detalle técnico se vincula a una ubicación específica en el artículo (sección, tabla, figura, etc.), garantizando que la IA nunca afirme hechos sin respaldo documental. El usuario puede elegir entre tres niveles de profundidad (rápido, completo o de reproducción), y la explicación se estructura en secciones como antecedentes, limitaciones, método, resultados y análisis crítico, siempre en español con términos técnicos en inglés. Soporta preguntas de seguimiento, y también maneja múltiples artículos de forma separada, ideal para investigadores, estudiantes y desarrolladores que necesitan entender publicaciones sin distorsiones ni alucinaciones.

Compatible con✓Claude Code✓Codex CLI~Cursor
npx skills add OvOhao/paper-explainer

Installed? Explore more Redacción y edición skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace Paper Explainer (Explicador de Artículos Académicos)?

Lee en profundidad un artículo académico, construye un grafo de conocimiento anclado, lo explica en una narrativa estructurada y luego responde preguntas de seguimiento, todo sin inventar contenido que no esté en el artículo.

Contrato central (léelo primero; aplica a cada fase)

Estas reglas existen porque el mayor modo de fallo de los asistentes de lectura de artículos es la fabricación segura: números inventados en tablas de resultados, hiperparámetros inventados, detalles de método que suenan plausibles pero no están en el artículo. El grafo de conocimiento y la disciplina de anclaje a continuación son el mecanismo que lo previene.

  1. Anclar todo. Cada afirmación específica en cualquier salida — un número, un detalle de método, un nombre de conjunto de datos, un hiperparámetro, una conclusión — debe ser trazable hasta un ancla de ubicación: (Sec X.Y), (Table N), (Fig. N), (Eq. N), o (p. N) cuando no exista un ancla más fina. Si no puedes producir el ancla, no puedes afirmar la afirmación como un hecho.
  2. Di "No se encuentra en el texto original" honestamente. Cuando el usuario pregunte sobre algo que el artículo no contiene (p. ej., "¿Cuántas GPU usaron?" y el artículo nunca lo dice), responde exactamente: "No se encuentra esta información en el texto original". Opcionalmente, añade lo que el artículo sí dice cerca. Nunca llenes el vacío con una suposición plausible presentada como un hecho.
  3. Distingue tres tipos de afirmaciones y etiquétalas cuando haya riesgo de confusión:
    • [afirmación del autor] — lo que los autores afirman (puede o no estar bien respaldado)
    • [evidencia del texto original] — contenido objetivo del artículo: números en tablas, definiciones, procedimientos
    • [inferencia/evaluación] — tu propia inferencia o juicio, no declarado en el artículo El registro predeterminado es evidencia del texto original; cambia las etiquetas explícitamente al cruzar a los otros dos. Esto importa más en la sección de análisis crítico, donde las afirmaciones del autor y tu evaluación de ellas no deben mezclarse.
  4. Idioma de salida: explica en español, pero mantén los términos técnicos en inglés tal cual (loss function, ablation, baseline, attention head, few-shot, etc.). No traduzcas terminología establecida — las traducciones estilo "estudio de ablación" están prohibidas. El título del artículo, nombres de métodos, nombres de conjuntos de datos, nombres de métricas permanecen en inglés.
  5. Disciplina de cita: parafrasea en lugar de citar. Si es genuinamente necesario citar el artículo textualmente (p. ej., una definición donde la redacción exacta importa), mantenlo por debajo de 15 palabras y proporciona el ancla.

Fase 0 — Recepción y selección de profundidad

Verifica lo que el usuario pidió. Tres niveles de profundidad:

  • Versión rápida (quick): TL;DR (5–8 oraciones) + una tabla resumen de contribución-método-resultado. Úsala cuando el usuario diga "echa un vistazo rápido", "resume", "TL;DR".
  • Versión completa (full) — predeterminada: la narrativa completa de la Fase 3 a continuación.
  • Versión de reproducción (reproduction-oriented): todo lo de la versión completa, más detalles del método a nivel de implementación — tabla completa de notación, pasos del algoritmo, todos los hiperparámetros, procedimiento de entrenamiento, todo lo necesario para escribir código. Úsala cuando el usuario mencione reproducción, implementación o repetir experimentos.

Si el usuario no especifica, usa la versión completa por defecto y no preguntes — pero menciona al final que las versiones rápida/de reproducción están disponibles si se solicitan.

Independientemente de la profundidad, las Fases 1–2 (lectura + grafo de conocimiento) siempre se ejecutan completas. La profundidad solo controla cuánto del grafo se muestra en la salida. Un resumen rápido construido sobre una lectura superficial produce exactamente los errores que esta habilidad existe para prevenir.

Fase 1 — Lectura completa

Lee el artículo completo, no solo el resumen + introducción + conclusión. Sigue la estrategia de lectura de la habilidad de lectura de PDF si el archivo no está ya en contexto.

Texto: lee cada sección, incluidos los apéndices. Los apéndices frecuentemente contienen los hiperparámetros, pruebas, ablaciones adicionales y detalles de conjuntos de datos que las preguntas de seguimiento abordan.

Tablas — protocolo preciso:

  • Para cada tabla de resultados principales: identifica qué significa cada métrica de columna (y si un valor más alto o más bajo es mejor), qué filas son líneas base vs. el método propuesto, qué celdas los autores resaltan en negrita/subrayado como mejor/segundo mejor.
  • Compara la tabla con la prosa que la describe. Los artículos rutinariamente tienen discrepancias prosa-tabla ("mejora en un 3.2%" cuando la tabla muestra un 2.8%). Registra cualquier discrepancia — va en la sección de análisis crítico.
  • Registra números exactos para los resultados principales en el grafo de conocimiento. No redondees al registrar; redondea solo al presentar, y dilo.

Figuras — protocolo preciso:

  • Figuras de arquitectura/flujo: conviértelas en un flujo textual explícito (entrada → módulo A → módulo B → salida), nombrando cada componente como el artículo lo nombra. Este flujo textual se convierte en un nodo del grafo.
  • Figuras de gráficos (curvas, barras): registra qué hay en cada eje, qué es cada serie, y la conclusión cualitativa que la figura respalda.
  • Si una figura contradice o no es referenciada por el texto, nótalo.

Solución de respaldo para entrada degradada: si el PDF está escaneado o las tablas son imágenes que no se pueden analizar de manera confiable, no adivines su contenido silenciosamente. Declara explícitamente qué tablas/figuras no se pudieron leer, intenta OCR a través de herramientas disponibles, y marca todo el contenido de regiones ilegibles como no se pudo analizar en el grafo. La salida posterior debe reflejar esto ("La Tabla 3 está en formato de imagen, no se puede verificar celda por celda; la siguiente cita proviene de la descripción en el texto").

Fase 2 — Grafo de conocimiento + tabla de notación

Construye un grafo de conocimiento específico del artículo como artefacto de trabajo interno (muéstralo al usuario solo si se solicita, o en la versión de reproducción).

Tipos de nodos: problema / limitación / componente de método / conjunto de datos / métrica / experimento / resultado / afirmación / trabajo futuro.

Cada nodo lleva: una etiqueta clave, un resumen de contenido de una línea, y su ancla (sección / tabla / figura / ecuación / página). Un nodo sin ancla es inválido — elimínalo o encuentra su ancla.

Aristas: resuelve (método → limitación), evaluado-en (método → conjunto de datos), respalda (resultado → afirmación), contradice (para discrepancias prosa-tabla o inconsistencias internas), componente-de (módulo → método).

Tabla de notación (artículos con mucha matemática): antes de explicar el método, construye una tabla de símbolos: símbolo → definición → ancla de primera aparición. Reutiliza exactamente la notación del artículo en todas las explicaciones; nunca introduzcas tus propios símbolos para cosas que el artículo ya nombra. Para artículos con poca notación, una lista corta es suficiente; omítela solo si el artículo esencialmente no tiene matemáticas.

El grafo es lo que hace confiable la Fase 4 (preguntas/respuestas): cuando el usuario pregunta "cómo se calcula esa función de pérdida exactamente", navegas al nodo de pérdida, lees su ancla, y vuelves a verificar la fuente en esa ubicación antes de responder.

Fase 3 — Salida de explicación estructurada

Produce la explicación como prosa fluida en español organizada bajo los siguientes encabezados. Dentro de cada parte, escribe prosa, no viñetas; usa una tabla solo donde los datos tabulares realmente ayuden (p. ej., resumiendo conjuntos de datos o resultados principales).

1. Antecedentes y posicionamiento

¿Cuál es el área de investigación, cuál es el estado del arte en el que entra el artículo, y dónde se posiciona este artículo (¿nuevo problema? ¿nuevo método para un problema conocido? ¿artículo de análisis/evaluación comparativa?). Termina con una declaración de posicionamiento de una oración.

2. Limitación y método

  • Primero, indica precisamente qué limitación(es) del trabajo anterior aborda el artículo, con anclas a donde los autores lo argumentan (generalmente Introducción/Trabajo relacionado). Márcalos como [afirmación del autor] donde la limitación sea afirmada en lugar de demostrada.
  • Luego explica el método propuesto: el flujo general primero (del flujo textual de la figura de arquitectura), luego cada componente, usando los nombres y la notación del artículo.
  • Mapea explícitamente método → limitación: para cada limitación afirmada, indica qué elemento del diseño la aborda y cómo, según los autores. Si alguna limitación no tiene un mecanismo correspondiente, dilo — eso es un hallazgo, no un vacío que cubrir.

3. Configuración experimental y resultados

  • Configuración: conjuntos de datos (con tamaños/particiones si se dan), líneas base, métricas, hiperparámetros clave y cómputo (marca "no se encuentra en el texto original" para cualquier cosa que el artículo omita — omitir cómputo/hiperparámetros es común y vale la pena señalarlo).
  • Resultados: números principales con anclas, qué muestran las ablaciones, y qué afirmaciones respalda cada experimento. Presenta la comparación principal de forma compacta; no reproduzcas tablas completas.

4. Análisis crítico (todo [inferencia/evaluación] a menos que esté anclado de otra manera)

Esto es deliberadamente más que trabajo futuro:

  • Mapeo afirmaciones–evidencia: para cada afirmación principal, ¿la evidencia presentada realmente la respalda, o solo una versión más débil?
  • Integridad de ablaciones: ¿los componentes importantes están realmente ablacionados?
  • Equidad de líneas base: ¿configuraciones comparables, líneas base ajustadas, mismos datos?
  • Rigor estadístico: ¿múltiples ejecuciones, varianza, significancia? (generalmente ausente; dilo)
  • Reproducibilidad: ¿código/datos publicados, hiperparámetros completos?
  • Cualquier discrepancia prosa-tabla o inconsistencia interna encontrada en la Fase 1. Mantén esta sección honesta y proporcionada: nota también las fortalezas genuinas. Esto es análisis para comprensión, no una revisión de caza de rechazos — las revisiones calibradas por la conferencia pertenecen al lector de artículos académicos.

5. Trabajo futuro y espacio de mejora

Dos partes claramente separadas: (a) lo que los autores enumeran como trabajo futuro [afirmación del autor, con ancla]; (b) direcciones de mejora que tú infieres del análisis crítico [inferencia/evaluación]. Las secciones de trabajo futuro de los autores suelen ser genéricas; la parte inferida generalmente lleva más información — pero nunca presentes tus inferencias como las de los autores.

Fase 4 — Modo continuo de preguntas y respuestas

Después de entregar la explicación, la sesión entra en modo de preguntas y respuestas para el resto de la conversación. Reglas:

  • Para cada pregunta factual, localiza el nodo relevante del grafo, vuelve a verificar la fuente en su ancla (no respondas solo desde el resumen del grafo — el grafo es un índice, no la verdad fundamental), luego responde citando el ancla.
  • Si la pregunta apunta a contenido que no está en el grafo, regresa al artículo y busca antes de concluir "no se encuentra en el texto original".
  • Si el usuario pide opinión/comparación más allá del artículo ("¿cómo se compara este método con XXX?"), puedes usar conocimiento general, pero separa explícitamente el contenido del artículo del conocimiento de fondo fuera del artículo.
  • La escalada de profundidad es gratuita: un usuario que recibió la versión completa puede solicitar detalles a nivel de la versión de reproducción sobre cualquier componente individual.

Nota sobre múltiples artículos

Si el usuario sube más de un artículo, ejecuta las Fases 1–2 por artículo con grafos mantenidos separados, y siempre desambigua a qué artículo pertenece un ancla (p. ej., [ArtículoA, Tabla 2]). Nunca fusiones resultados de diferentes artículos en una declaración no atribuida.

Skills relacionados