UditAkhourii/neuroarxiv

해결하는 문제

NeuroArxiv는 개발자가 '초기부터 구축'하는 것을 방지하기 위해 AI 에이전트가 arXiv의 기존 사전 연구를 기반으로 특정하고 근거 있는 추천을 찾아내고 채택하도록 강제합니다. 일반적인 검색 도구가 사용자에게 필터링을 맡기는 링크 목록을 제공하는 것과 달리, NeuroArxiv는 엄격한 프로세스를 통해 여러 논문을 통합하여 하나의 인용된 아키텍처 또는 알고리즘적 결정을 제시하며, 인용된 연구의 문서화된 약점과 한계를 특별히 강조하여 비용이 큰 재구축을 피합니다.

작동 방식

시스템은 엄격한 '분리-수렴' 파이프라인을 따릅니다:

1. 분류: 사용자의 문제를 특정 arXiv 카테고리와 검색어에 매핑합니다.
2. 수집: arXiv 내보내기 API에 결정론적 HTTP 요청을 수행하여 논문을 수집합니다.
3. 분기: LLM이 다른 논문들과 완전히 분리된 상태에서 각 논문의 초록을 읽어 소스 고정을 방지합니다.
4. 평가 및 클러스터링: 논문을 관련성과 엄밀함에 따라 평가하고 아키텍처적 접근 방식별로 그룹화합니다.
5. 수렴: 시스템은 하나의 추천 경로를 선택하고, 결과를 통합하며, 구현을 위한 첫 단계를 제시하고, 분석된 모든 논문에서 도출된 함정을 나열합니다.

대상 사용자

오류가 발생하면 전체 재구축이 필요한 비트리비얼한 아키텍처, 알고리즘, 또는 시스템 기법에 대한 커밋을 고려하는 개발자 및 연구자에게 적합합니다.

주요 특징

• 의사결정 중심: 링크 목록이 아닌 하나의 근거 있는 추천을 강제함으로써 검색을 넘어서는 행동을 유도합니다.
• 출처에 대한 회의적 태도: 인용된 자료 내의 한계와 철회된 증명을 특별히 식별하고 경고합니다.
• 에이전트 통합: Claude Code 및 Codex CLI용 스킬로 설치 가능합니다.
• 근거 있는 메타데이터: 실제 arXiv API 메타데이터를 사용하여 인용 및 링크의 진위를 보장합니다.