brycewang-stanford/Auto-Empirical-Research-Skills

해결하는 문제

Auto-Empirical Research Skills(AERS)는 사회 과학의 실증 연구를 위한 포괄적이고 자동화된 개입 준비 파이프라인을 제공합니다. 문헌 검토, 데이터 수집, 인과 추론, 강건성 감사, 작성과 같은 작업을 자동화하여 모호한 연구 아이디어와 출판 준비가 된 논문 사이의 격차를 메웁니다.

작동 방식

이 프로젝트는 1,100개 이상의 "스킬" 라이브러리 역할을 합니다. 이는 AI 에이전트(예: Claude Code 또는 Codex)가 특정 연구 작업을 수행하기 위해 호출할 수 있는 전문 도구입니다. 사용자는 이러한 스킬을 전역 또는 프로젝트별로 설치할 수 있습니다. 파이프라인의 핵심은 Paper-WorkFlow 스킬로, 개별 도구를 순차적인 엔드투엔드 프로세스로 조정합니다. 파이프라인의 어느 지점에서든 연구자는 수동으로 개입하여 방법이나 변수를 조정할 수 있으며, 파이프라인은 해당 지점에서 자동으로 재개됩니다.

대상 사용자

이 도구는 학문적 엄격성과 분석의 모든 단계를 감사할 수 있는 능력을 유지하면서 AI 에이전트를 활용하여 연구 워크플로우를 가속화하려는 실증 연구자, 경제학자 및 사회 과학자를 위해 설계되었습니다.

주요 특징

• 엔드투엔드 자동화: 초기 아이디어 구체화부터 최종 원고 제출 및 AIGC 탐지까지 연구의 9단계를 다룹니다.
• 다국어 지원: Python, Stata, R용 전용 "전체 실증" 스택을 포함하여 기존 연구 도구와의 원활한 통합을 허용합니다.
• 엄격한 검증: 에이전트 출력의 신뢰성을 보장하기 위해 19개의 숫자 벤치마크 작업과 42개의 행동 평가 시나리오를 제공합니다.
• 개입 준비: 자동화된 파이프라인의 모든 단계는 인간의 개입을 허용하는 출력을 생성하여 연구자가 방법론에 대한 통제를 유지할 수 있도록 합니다.
• StatsPAI 통합: DID, RD, IV 분석과 같은 복잡한 계량 경제 작업을 수행하기 위해 AI 에이전트를 위해 특별히 설계된 Python 기반 인과 추론 엔진인 StatsPAI와 깊이 통합되어 있습니다.