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。単なる要約ではなく、研究者が表面的な理解を越えて、著者の推論プロセスを再構築し、重要な仮定を特定し、新しい研究アイデアを生成できるように支援します。

どう動くか

このプロジェクトは、Claude や ChatGPT などの LLM 向けに設計された、非常に構造化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います。論文のリンク、タイトル、または PDF が提供されると、エージェントは厳密な 12 ステップの分析パイプラインに従います：

1. 問題の特定：研究課題とその価値を定義。
2. 文脈化：既存の研究のギャップを分析。
3. 推論の再構築：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。
4. 核心的な直感：主なアイデアの本質を要約。
5. 手法：具体的な例を用いてパイプラインを説明。
6. 理論的基盤：数学的導出を分解。
7. 実験的検証：主張と特定の実験・結果をマッピング。
8. 重要な教訓：本質的な教訓を要約。
9. 仮定の検証：最も脆弱な仮定を特定。
10. 再現：迅速な検証のための最小限の実験を提案。
11. 反論：潜在的な反例を設計。
12. 今後の課題：革新的で非累積的な追加研究アイデアを提案。

対象者

STEM 分野（主に）の研究者や学生で、学術文献を深く分析し、LLM を使って論文の論理を検証する（単なる要約ではなく）ことを希望する人。

特徴

• メカニズム的説明：結果の「何」ではなく、アイデアがどのように・なぜ生まれたかに焦点を当てる。
• 批判的思考：弱みの特定や反例の設計に特化したステップを含む。
• 人間らしいスタイル：一般的なAI表現を避け、Andrej Karpathy のような高情報密度の研究者スタイルを促す。
• カスタマイズ可能：社会科学や人文学への適用ガイドを提供。