End-to-end AI-powered academic paper writing system — from idea generation and literature search to experiment execution, result backfill, and LaTeX paper compilation. Supports multi-LLM routing, SSH remote training, incremental sync, and anti-AI-detection writing style.

PaperForge Research OS v3 – 구조화된 AI 증강 연구 어시스턴트

그것이 무엇인가

PaperForge는 대규모 언어 모델(LLM) 기반 작성 에이전트, 실험 관리, 재현 가능한 게시 파이프라인을 연결하는 **오픈 소스 "연구 운영 체제"**입니다. Python(3.10-3.12)으로 구축되었으며 모든 주장, 증거, 코드 아티팩트 및 실험 결과를 SQLite 기반 과학 메모리에 저장합니다. 시스템은 명령줄 인터페이스(CLI) 또는 가벼운 브라우저 UI에서 구동할 수 있지만, 모든 작업은 단일 런타임 서비스(PaperForgeService)로 집중됩니다.

핵심 아이디어와 중요성

아이디어	기능	중요성
통합 연구 OS	단일 런타임(`ResearchOSRuntime`)이 작성, 계획, 실험, 분석, 시각화 및 릴리스를 처리합니다.	연구자가 별도의 스크립트, 노트북, LaTeX 도구를 오가도록 강요하는 "도구 체인 이동"을 제거합니다.
증거 우선 워크플로	논문의 모든 공개 진술은 저장된 증거(코드, 데이터, 메트릭, 라이선스 등)에 연결되는 `claim_id`를 가져야 합니다.	추적 가능성을 보장하고 검토자나 감사자가 결과를 검증하기 쉽게 만듭니다.
통제된 실험 수명 주기	제안 → 정적 검사 → 미니 실험 → 전체 실험, 각 단계는 명시적 승인이 필요합니다.	우발적인 리소스 낭비를 방지하고 비용이 많이 드는 훈련이나 대규모 컴퓨팅 전에 검토 게이트를 강제합니다.
다중 백엔드 컴퓨팅	로컬, Docker, SSH, Slurm, Kubernetes, Cloud-SSH 백엔드에 단일 인터페이스로 액세스합니다.	연구자는 스크립트를 다시 작성하지 않고도 노트북에서 클러스터나 클라우드로 이동할 수 있습니다.
정책 기반 실행 프로필	`writing-only`, `research`, `full` – 각 프로필은 일련의 작업(예: 가중치 로드, 원격 컴퓨팅)을 비활성화합니다.	특정 기능만 허용되는 환경(예: 보안 워크스테이션)에 안전망을 제공합니다.
주장 게이트가 있는 게시 엔진	LaTeX 컴파일 → PDF 렌더링 → 레이아웃 진단 → 제약 수리 → 불변 검증.	지루한 "컴파일-확인-수정" 루프를 자동화하고 최종 PDF가 기록된 주장과 일치하도록 보장합니다.

주요 구성 요소(높은 수준 보기)

CLI / UI  →  PaperForgeService
                ├─ ExecutionPolicy (profiles)
                ├─ WorkflowEngine
                │    └─ ResearchOSRuntime
                │          ├─ Typed Agents (LLM writers, reviewers, etc.)
                │          ├─ Provider Registry (model/key handling)
                │          ├─ Compute Backends (Docker, Slurm, …)
                │          └─ Domain Plugins (CV, NLP, RL, Bio, …)
                ├─ SQLite Scientific Memory (claims, evidence, runs)
                ├─ Artifact Registry (datasets, checkpoints, figures)
                └─ Publication Engine → Release Verifier

모든 영구 데이터는 <workspace>/.paperforge/ 아래에 저장됩니다(SQLite DB, 런타임 상태, 릴리스 매니페스트 등).

일반적인 워크플로

워크스페이스 생성 – LaTeX 소스, 참고 문헌 및 선택적 writing-job.json 매니페스트가 포함된 폴더.
프로필 실행 – 예: paperforge run --profile writing-only … LLM이 섹션 초안 작성, 인용 삽입 및 PDF 컴파일을 수행하도록 합니다.
연구 프로필 – 문헌 검색, 제안 생성 및 실험 실행 전에 승인되어야 하는 제안 객체를 추가합니다.
전체 프로필 – 승인 후 지원되는 모든 백엔드에서 실험을 시작하고 코드, 데이터, 하이퍼파라미터 및 각 아티팩트의 SHA-256 해시를 자동으로 기록할 수 있습니다.
게시 – paperforge publish는 주장 게이트, LaTeX 컴파일, PDF 렌더링 및 레이아웃 진단을 실행합니다. 출력은 dist/에 있습니다.
릴리스 – paperforge release는 모든 게이트(비밀 스캔, 아티팩트 해시, 주장 커버리지)를 다시 검증하고 워크플로를 COMPLETED로 표시합니다.

AI 사용 방법

LLM 에이전트("writing-only" 및 "research" 에이전트)는 OpenAI 호환 API를 통해 bailu-turing이라는 공급자를 호출합니다. 시스템은 지원되지 않는 필드(예: seed, n)를 제거하고 OPENAI_BASE_URL을 통해 사용자 지정 게이트웨이를 가리킬 수 있습니다.
에이전트는 유형화되어 있습니다 – 런타임은 선택된 실행 프로필에 따라 에이전트가 모델을 요청할 수 있는지, 코드를 실행할 수 있는지, 증거만 읽을 수 있는지 알고 있습니다.
프롬프트 엔지니어링은 paperforge run 명령 뒤에 숨겨져 있으며, 사용자는 높은 수준의 지침(제목, 초록 등)만 제공합니다.

설치 및 시작(빠른 요약)

# clone and checkout v3 tag
git clone https://github.com/QJHWC/PaperForge.git && cd PaperForge && git checkout v3.0.0

# create a venv and install the writing extras
python3.12 -m venv .venv && source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install -e "[writing]"

# optional: add experiment/research extras if you need compute back‑ends
python -m pip install -e "[research,experiment]"

~/.config/paperforge/credentials.json에 모델 키를 구성합니다(chmod 600). 기본적으로 지원되는 유일한 공급자는 bailu-turing입니다.

안전 및 라이선스 참고 사항

이 프로젝트는 연구 전용입니다 – README에는 상업적 사용 금지 면책 조항이 포함되어 있습니다.
모든 비밀은 로깅 전에 편집됩니다. Docker/SSH 업로드는 화이트리스트에 등록되고 비밀을 검사합니다.
라이선스: PaperForge License 1.0 – 개인, 학술, 비상업적 사용은 무료입니다. 상업용 SaaS 또는 영리 목적의 재배포는 금지됩니다.

TL;DR

PaperForge v3는 LLM 기반 논문 초안 작성과 엄격하게 감사된 실험 추적 및 게시 파이프라인을 결합한 Python 기반 연구 OS입니다. 모든 주장과 증거를 SQLite 데이터베이스에 저장하고, 승인 게이트 컴퓨팅을 강제하며, 재현 가능하고 주장이 검증된 릴리스 프로세스를 통해 LaTeX 논문을 게시할 수 있습니다. 아이디어에서 검증된 PDF까지 단일 감사 가능한 워크플로를 원하는 팀에 이상적입니다.

QJHWC/PaperForge