Adkid-Zephyr/oral-paper-skill

解決する課題

ICLR、ICML、NeurIPSなどのトップAIカンファレンスで『オーラル』発表として採択される高品質な学術論文を書くのは難しい。研究者は、一般的なテンプレートに頼らずに、自身の貢献を明確に表現し、証拠を整理し、先行研究との差別化を図ることが困難である。

動作方法

このプロジェクトは、883本のトップカンファレンスのオーラル論文から知識を『抽出』する。抽象文を分析し、共通するパターン、成功した物語戦略、効果的な実験設計を抽出する。この抽出された知識は、「スキル」としてパッケージ化され、ClaudeやCodexなどのAIツールに統合可能。ユーザーは自身の研究アイデアやドラフトに対して、カスタマイズされたフィードバックを受けることができる。

対象者

AI分野の研究者や学生で、論文執筆を改善し、研究の物語を洗練させ、トップカンファレンスの基準に合致する証拠の構造を学びたい人。

主な特徴

• データ駆動型の知見: ICLR、ICML、NeurIPSの883本のオーラル論文を分析に基づく。
• 実行可能なフィードバック: 『元の論文の実践』→『それがなぜ関連性があるか』→『現在のドラフトの状態』→『具体的な修正点』というフレームワークに基づき、具体的な改善提案を提供。
• 研究の緊張感に焦点: 問題の価値を理解するために、特定の制限や現象を明確にすることを支援。
• 貢献の明確化: 「novel」といった言葉を使うだけではなく、実際の貢献を定義する方法をガイド。
• カスタマイズ可能な統合: スタンドアロンのプロンプトとして使用可能、または対応するAIアシスタントにスキルとしてインストール可能。