Communitygithub.com

QinghongLin/paperdoctor

PaperDoctor: 과학 논문 초고에 대한 근거 기반의 실질적인 피드백 제공

paperdoctor란 무엇인가요?

PaperDoctor는 진행 중인 과학 논문에 대해 실증적 근거에 기반한 실행 가능한 피드백을 제공하는 AI 에이전트 스킬입니다. 이 스킬은 논문에 제시된 실험 결과를 재현하고 코드의 문제점을 진단하여 저자에게 구체적인 수정 방향을 제시합니다. Claude Code, Cursor, Codex 등 다양한 AI 에이전트 플랫폼에서 사용할 수 있으며, 사용자가 직접 실험 재현 과정을 승인하도록 설계되어 안전성을 보장합니다. `check_exp.json`의 실험 계획과 `check_code.json`의 코드 이슈를 기반으로 환경을 설정하고, 우선순위에 따라 실험을 실행한 후 결과를 논문의 수치와 비교하여 통과(pass), 경고(warning), 오류(error) 상태로 기록합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add QinghongLin/paperdoctor

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

실험 실행

이 스킬은 실행 전 명시적인 사용자 승인이 필요합니다. Phase 2 이후 자동으로 시작하지 말고, 재현 계획 요약을 제시한 후 사용자가 확인할 때까지 기다리세요.

필수 조건

  • {paper_dir}/reports/check_exp.json — read-exp의 실험 계획 (우선순위, 실행 가능성, 명령어)
  • {paper_dir}/reports/check_code.json — read-code의 코드 이슈 (실행 전 수정 필요)

워크플로우

- [ ] 단계 1: 환경 생성
- [ ] 단계 2: 실험 실행

단계 1: 환경 생성

conda create -n paperdr-{paper_stem} python=<version> -y
conda activate paperdr-{paper_stem}
# README를 따라 설치

필요한 데이터/체크포인트를 다운로드하세요. 실행 전 check_code.json의 warning/error 항목을 수정하세요.


단계 2: 실험 실행

check_exp.json의 실험을 우선순위 순서대로 실행하세요 (높은 순서 먼저). 훈련보다 평가를 선호합니다.

각 실험에 대해 출력을 논문의 수치와 비교하세요. check_exp.json을 다음으로 업데이트하세요:

{
  "our_result": {"metric": 0.0},
  "status": "pass",
  "note": "..."
}
상태의미
pass논문과 약 1-2% 이내로 일치
warning부분 일치 또는 수정 필요
error큰 차이 또는 실행 불가

팁

  • 저장소의 README를 따르세요 — 추측하지 마세요
  • OOM은 error입니다 — 원인을 기록하고, 무한히 재시도하지 마세요
  • 정확한 명령어와 사용된 하드웨어를 기록하세요

관련 스킬