HKUSTDial/Supervisor-Skills

해결하는 문제

Supervisor-Skills는 학술 연구에서 "마지막 1마일 문제"를 해결합니다. 학생들은 이론적 지침을 실질적인 실행으로 전환하는 데 어려움을 겪는 경우가 많습니다. 강력한 LLM을 보유하고 있음에도 불구하고 고품질 연구를 생성하는 데 있어 발생하는 격차를 메우기 위해, 시니어 연구자의 학술적 직관, 감각, 판단력을 제공함으로써 아이디어 생성, 논문 작성, 제출 과정에서 흔히 발생하는 오류를 피할 수 있도록 도와줍니다.

작동 방식

이 프로젝트는 이론적 가이드와 실행 가능한 AI 스킬을 결합한 이중 트랙 아키텍처를 사용합니다.

• 핸드북 (이론적 가이드): 연구 전 주기 전체를 다루는 체계적인 프레임워크로, 논문 품질 평가, 아이디어 생성 및 개선, 서론 작성, 과학적 시각화 설계, 최상위 회의 논문 분석 등이 포함됩니다.
• AI 스킬 (실행 가능한 프롬프트): 학술적 경험을 요약한 구조화된 프롬프트로, Claude, GPT-4, DeepSeek, Kimi 등의 LLM에 가져와 사용할 수 있습니다. 아이디어 평가, 증거 기반 논문 작성, 언어 보정, 심층 문헌 조사와 같은 특정 작업을 자동화합니다.

대상 사용자

SIGMOD, VLDB, ICML, NeurIPS와 같은 최상위 AI 및 데이터 과학 회의에 논문을 제출하기 위해 연구를 수행하고, 지속적인 고품질 가이드가 필요한 대학원생 및 초기 연구자에게 주로 설계되었습니다.

주요 특징

• 포괄적인 연구 라이프사이클: 초기 아이디어 평가부터 최종 제출 전 검토까지 모든 단계를 커버합니다.
• 증거 기반 작문: paper-writer 스킬은 사실 주장이 출처 자료나 검증된 문헌에 근거하도록 보장하여 AI 환각을 방지합니다.
• 학술 수준의 보정: paper-polish 스킬은 "AI 스타일"의 표현을 제거하고 원래 의미를 충실하게 유지하면서 언어를 정교하게 다듬습니다.
• 시각 자료 통합: drawio-reconstruction 스킬을 통해 참조 이미지를 편집 가능한 Draw.io 파일로 변환할 수 있습니다.
• 심층 연구 기능: deep-research 스킬은 다각적 정보 검색과 비교 분석을 갖춘 서베이 수준의 문헌 조사를 수행할 수 있습니다.