FeijiangHan/PaperForge

何を解決するか

PaperForge は、LLM を用いた学術論文の読み方と分析のための構造化されたフレームワークを提供します。単なる要約を超えて、AI が著者の推論プロセスを再構築し、脆弱な仮定を特定し、新しい追加研究アイデアを提示するよう強制することで、研究者が表面的な理解にとどまらないように支援します。

動作方法

このプロジェクトは、Claude/Codex 用にフォーマットされたシステムプロンプトと「スキル」のセットで構成されており、LLM が 12～13 ステップの分析パイプラインを順番に実行するように導きます。論文のリンク、タイトル、または PDF が提供されると、LLM は特定のタスクの順序に従います。

1. 文脈化：研究課題とその重要性の特定。
2. 推論の再構築：論文の主張を単に述べるのではなく、既存の知識に基づいて著者の直感やインスピレーションをシミュレートする。
3. メカニズムの説明：手法の直感、パイプライン（入力／処理／出力）および数学的導出を分解して説明する。
4. 批判的分析：論文の主張をストレステストし、最も脆弱な仮定を特定し、潜在的な反例を設計する。
5. 今後の研究：検索ツールを用いて関連研究を調査し、非増分的な新しい研究アイデアを提案する。

対象読者

学術論文の方法論や理論的基盤を深く理解したい研究者、学生、および学術関係者（主にSTEM分野）。

特徴

• 推論の再構築：結果そのものではなく、著者がそのアイデアに至ったプロセスに焦点を当てる。
• 批判的ストレステスト：AI に論文の最も弱い点を特定し、最小限の再現実験を設計するよう明示的に促す。
• アイデア生成：特定された制約に基づいて、新しい研究方向性を生成するよう促す。
• 柔軟な展開：ChatGPT/Claude 用のシステムプロンプトとして、または事前定義されたスキルとして利用可能。