Adkid-Zephyr/oral-paper-skill

해결하는 문제

ICLR, ICML, NeurIPS와 같은 최상위 AI 컨퍼런스에서 '오럴' 발표로 채택되는 고품질 학술 논문을 쓰는 것은 어렵다. 연구자들은 일반적인 템플릿에 의존하지 않고, 자신의 기여를 명확히 표현하고, 증거를 체계적으로 정리하며, 이전 연구와의 차별성을 확보하는 데 어려움을 겪는다.

작동 방식

이 프로젝트는 883편의 최상위 컨퍼런스 오럴 논문에서 지식을 '정제'한다. 각 논문의 초록을 분석하여 공통된 패턴, 성공적인 서사 전략, 효과적인 실험 설계를 추출한다. 이 정제된 지식은 사용자가 Claude나 Codex와 같은 AI 도구에 통합할 수 있는 '스킬'(프롬프트와 참고 자료 세트)로 제공되며, 자신의 연구 아이디어나 초안에 대해 맞춤형 피드백을 받을 수 있다.

대상 사용자

AI 분야의 학계 연구자 및 학생으로, 논문 작성 능력을 향상시키고, 연구 서사를 다듬으며, 최상위 컨퍼런스의 기준에 부합하는 증거 구조를 배우고 싶은 사람들을 위한 것이다.

주요 특징

• 데이터 기반 인사이트: ICLR, ICML, NeurIPS의 883편의 오럴 논문 분석 기반.
• 실질적인 피드백: 원본 논문의 실천 방식 → 그 이유 → 현재 초안 상태 → 구체적 수정 방향이라는 프레임워크에 기반한 구체적인 개선 제안 제공.
• 연구적 긴장감에 초점: 문제를 연구할 만한 특정한 한계나 현상을 명확히 하여 문제의 가치를 부각.
• 기여의 명확성: 단순히 'novel'이라는 단어를 사용하는 것을 넘어서 실제 기여를 정의하도록 안내.
• 사용자 맞춤형 통합: 독립형 프롬프트로 사용 가능하거나, 지원되는 AI 어시스턴트에 스킬로 설치 가능.