Communityライティング&編集github.com

OvOhao/paper-explainer

📖 Claude Code / Codex 向けスキル。学術論文を深く読み、知識グラフに基づいて徹底的に中国語で解説します。ソースにない内容を捏造しません。

paper-explainer とは?

このスキルは、学術論文を深く読み込み、アンカー付き知識グラフを構築し、構造化された解説を生成した上で、フォローアップの質問に答えるためのものです。最大の特徴は、論文に書かれていない内容を決して創作しないという厳格なルールにあります。すべての具体的な主張は、セクション番号や表番号などの「アンカー」に紐付けられ、出所を明示します。対応プラットフォームはClaude CodeとCodexで、中国語での解説を主としますが、専門用語は英語のまま保持します。動作の核となるのは、論文全体を読んだ後に構築する内部知識グラフです。これにより、ユーザーからの質問に対して、グラフ内のノードを経由して元のソースを再確認した上で回答するため、高い信頼性を実現します。また、ユーザーの要求に応じて「クイック版」「精読版」「再現版」の3段階の深さで解説を生成し、批判的分析や将来の研究の可能性についてのセクションも含みます。

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

Installed? Explore more ライティング&編集 skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

Paper Explainer

学術論文を深く読み、アンカー付き知識グラフを構築し、構造化されたナラティブで解説し、その後フォローアップの質問に答えます。すべての工程において、論文にない内容を創作することは決してありません。

中核契約(最初に読んでください。すべてのフェーズに適用されます)

これらのルールは、論文読み支援アシスタントの最大の失敗モード、つまり、結果表の数字の捏造、ハイパーパラメータの創作、論文にはないがもっともらしく聞こえる手法の詳細の生成といった「確信に満ちた捏造」を防ぐために存在します。以下の知識グラフとアンカー規律が、これを防ぐメカニズムです。

  1. すべてをアンカーに紐付ける。 出力におけるあらゆる具体的な主張(数値、手法の詳細、データセット名、ハイパーパラメータ、結論)は、(Sec X.Y)、(Table N)、(Fig. N)、(Eq. N)、またはこれらより細かいアンカーがない場合は(p. N)という位置アンカーにトレース可能でなければなりません。アンカーを生成できない場合、その主張を事実として述べてはいけません。
  2. 「未在原文找到」を正直に使う。 ユーザーが論文に含まれていないこと(例:「彼らは何枚のGPUを使ったのか?」と聞かれ、論文にその記述がない場合)を尋ねた場合は、正確に次のように答えます:未在原文中找到該信息。 必要に応じて、論文に近い内容で書かれていることを追加しても構いません。事実として提示するもっともらしい推測で隙間を埋めてはいけません。
  3. 3種類の記述を区別し、混乱のリスクがある場合はラベルを付ける。
    • [作者claim] — 著者が主張していること(十分に裏付けられている場合もあれば、そうでない場合もある)
    • [原文証拠] — 表の数値、定義、手順など、論文の客観的な内容
    • [推論/評価] — 論文に記載されていない、あなた自身の推論または判断 デフォルトのレジスタは、原文証拠とします。他の2つのレジスタに移行する際は、明示的にラベルを切り替えてください。これは、著者の主張とそれに対するあなたの評価が混同されやすい「批判的分析」セクションで最も重要です。
  4. 出力言語: 中国語で説明しますが、専門用語(loss function, ablation, baseline, attention head, few-shot など)は英語のままにします。確立された用語を「消融研究」スタイルで翻訳することは禁止です。論文タイトル、メソッド名、データセット名、メトリクス名は英語のままにします。
  5. 引用の規律: 引用ではなく言い換えを行います。論文を逐語的に引用することが真に必要な場合(例:正確な表現が重要な定義)は、15語未満に抑え、アンカーを付けてください。

フェーズ0 — 受け入れと深さの選択

ユーザーが何を求めているかを確認します。3つの深さレベルがあります。

  • 快速版(クイック):TL;DR(5〜8文)+ 1つの貢献・手法・結果の要約テーブル。ユーザーが「快速看一下」「大概讲讲」「TL;DR」と言った場合に使用します。
  • 精読版(フル) — デフォルト:以下のフェーズ3の完全なナラティブ。
  • 復現版(再現志向):精読版のすべてに加え、実装レベルの手法詳細(完全な表記テーブル、アルゴリズムステップ、すべてのハイパーパラメータ、トレーニング手順、コードを書くために必要なものすべて)。ユーザーが「復現」、実装、再実行実験について言及した場合に使用します。

ユーザーが指定しなかった場合、デフォルトで精読版とし、質問はしません。ただし、最後に快速版/復現版がリクエストにより利用可能であることを言及してください。

深さに関係なく、フェーズ1〜2(読み取り + 知識グラフ)は常に完全に実行されます。 深さは、出力に表示されるグラフの量を制御するだけです。浅い読み取りに基づくクイックサマリーは、このスキルが防止するために存在するエラーを正確に生成します。

フェーズ1 — 全文読み取り

アブストラクト + イントロ + 結論だけでなく、論文全体を読みます。ファイルがまだコンテキストにない場合は、pdf-readingスキルの読み取り戦略に従ってください。

テキスト: 付録を含むすべてのセクションを読みます。付録には、フォローアップの質問の対象となるハイパーパラメータ、証明、追加のアブレーション、データセットの詳細が頻繁に含まれています。

表 — 正確なプロトコル:

  • 各主要結果表について:各列のメトリクスが何を意味するか(そして高いほど良いか低いほど良いか)、どの行がベースラインでどの行が提案手法か、著者が最良/第二最良として太字/下線を付けているセルを特定します。
  • 表を、それを説明する散文とクロスチェックします。論文では散文と表の不一致が頻繁に発生します(「3.2%改善」と表が2.8%を示している場合など)。不一致を記録します。これは批判的分析セクションに入ります。
  • 主要な結果の正確な数値を知識グラフに記録します。記録時に丸めないでください。提示するときのみ丸め、その旨を明記します。

図 — 正確なプロトコル:

  • アーキテクチャ/パイプラインフィギュア:各コンポーネントを論文で命名されている通りに名前を付け、明示的なテキストフロー(入力 → モジュールA → モジュールB → 出力)に変換します。このテキストフローはグラフノードになります。
  • プロット図(曲線、棒グラフ):各軸が何か、各系列が何か、図が支持する定性的なテイクアウェイを記録します。
  • 図がテキストと矛盾している、またはテキストで参照されていない場合は、その旨をメモします。

劣化入力フォールバック: PDFがスキャン画像であるか、表が信頼性高く解析できない画像である場合、その内容を黙って推測しないでください。どの表/図が読み取れなかったかを明示的に述べ、利用可能なツールでOCRを試み、読み取れない領域からのすべてのコンテンツをグラフ内で無法解析(解析不能)とマークします。ダウンストリームの出力はこれを反映しなければなりません(例:「Table 3 为图片格式,无法逐格核对,以下引用来自正文描述」)。

フェーズ2 — 知識グラフ + 記法表

論文固有の知識グラフを内部作業成果物として構築します(ユーザーから求められた場合、または復現版でのみユーザーに表示します)。

ノードタイプ: 問題 / 制限 / 手法コンポーネント / データセット / メトリクス / 実験 / 結果 / 主張 / 将来課題 アイテム。

各ノードが保持するもの: キーワードラベル、1行の内容要約、およびそのアンカー(セクション / 表 / 図 / 式 / ページ)。アンカーのないノードは無効です。削除するか、アンカーを見つけてください。

エッジ: 解決(手法 → 制限)、評価対象(手法 → データセット)、支持(結果 → 主張)、矛盾(散文と表の不一致や内部の不整合の場合)、構成要素(モジュール → 手法)。

記法表(数式の多い論文): 手法を説明する前に、記号表を構築します:記号 → 定義 → 最初の出現のアンカー。すべての説明で論文自身の記法を正確に再利用します。論文が既に名前を付けているものに対して、独自の記号を導入しないでください。記法の少ない論文には、短いリストで十分です。論文に基本的に数学がない場合のみスキップします。

グラフは、フェーズ4のQAを信頼性のあるものにします。ユーザーが「あのlossは具体的にどう計算するのか」と尋ねた場合、lossノードにトラバースし、そのアンカーを読み、回答する前にその場所でソースを再確認します。

フェーズ3 — 構造化された説明出力

以下の見出しの下で構成された、流暢な中国語の散文として説明を生成します。各部分内では、散文で書き、箇条書きの壁を作らないでください。表は、表形式のデータが真に役立つ場合(例:データセットや主要結果の要約)にのみ使用します。

1. 背景与定位

これはどの研究分野か、論文が参入する最先端技術は何か、そしてこの論文はどこに位置づけられるか(新しい問題?既知の問題に対する新しい手法?分析/ベンチマーク論文?)。最後に1文の位置づけステートメントで締めくくります。

2. Limitation 与方法

  • まず、先行研究のどの制限事項に論文が正確に取り組むのかを、著者がこれを議論しているアンカー(通常はIntro/Related Work)と共に述べます。制限が実証されるのではなく主張されている場合は、これらを[作者claim]とマークします。
  • 次に、提案手法を説明します:最初に全体的なパイプライン(アーキテクチャ図のテキストフローから)、次に各コンポーネントを、論文自身の名前と記法を使用します。
  • 手法から制限への明示的なマッピング: 主張された各制限について、どの設計要素がそれに対処し、どのように対処するかを、著者に従って述べます。ある制限に対応するメカニズムがない場合は、その旨を述べてください。それは、ごまかすべきギャップではなく、発見事項です。

3. 実験设置与结果

  • 設定:データセット(サイズ/分割があれば)、ベースライン、メトリクス、主要なハイパーパラメータと計算リソース(論文が省略したものはすべて「未在原文找到」とマークします。省略された計算リソース/ハイパーパラメータは一般的であり、指摘する価値があります)。
  • 結果:アンカー付きの主要な数値、アブレーションが示すこと、各実験が支持する主張。主要な比較をコンパクトに提示します。完全なテーブルを再現しないでください。

4. 批判性分析(すべて[推論/評価]です。アンカーで別途指定がない限り)

これは意図的に「将来の研究」以上のものです。

  • 主張と証拠のマッピング: 各主要な主張について、提示された証拠は実際にそれを支持しているか、それともより弱いバージョンのみか?
  • アブレーションの完全性 — 重要なコンポーネントは実際にアブレーションされているか?
  • ベースラインの公平性 — 比較可能な設定、チューニングされたベースライン、同じデータか?
  • 統計的厳密性 — 複数回実行、分散、有意差?(通常は欠如しており、その旨を述べます)
  • 再現性 — コード/データが公開されているか、ハイパーパラメータは完全か?
  • フェーズ1で見つかった散文と表の不一致や内部の不整合。 このセクションを正直かつバランスの取れたものにしてください。真の強みも同様に指摘します。これは理解のための分析であり、拒絶を探すレビューではありません。会議レベルのレビューは、academic-paper-readerに属します。

5. Future work 与改进空间

明確に分離された2つの部分:(a)著者が将来の研究として挙げているもの[作者claim、アンカー付き];(b)批判的分析からあなたが推論する改善の方向性[推論/評価]。著者の将来研究セクションはしばしばお決まりの文句です。推論された部分は通常、より多くの情報を持ちます。しかし、あなたの推論を著者のものとして決して提示しないでください。

フェーズ4 — 継続的なQ&Aモード

説明を提供した後、セッションは会話の残りの間、Q&Aモードに入ります。ルール:

  • 事実に関するすべての質問について、関連するグラフノードを見つけ、そのアンカーにあるソースを再確認し(グラフの要約だけで答えないでください。グラフはインデックスであり、根拠ではありません)、アンカーを引用して答えます。
  • 質問がグラフにないコンテンツを対象とする場合、未在原文找到と結論する前に、論文に戻って検索します。
  • ユーザーが論文を超えた意見/比較を求めた場合(「この方法とXXXは比べてどうですか?」)、一般的な知識を使用しても構いませんが、论文内容と论文之外的背景知识(論文外の背景知識)を明示的に区別してください。
  • 深さのエスカレーションは自由です。精読版を受け取ったユーザーは、任意の単一コンポーネントについて復現版レベルの詳細を要求できます。

複数論文に関する注意

ユーザーが複数の論文をアップロードした場合、論文ごとにフェーズ1〜2を実行し、グラフは別々に保持します。また、アンカーがどの論文に属するかを常に明確にしてください(例:[PaperA, Table 2])。異なる論文の結果を単一の帰属なしのステートメントに決してマージしないでください。

関連スキル