AutoScholarLoop – AI 지원 연구 루프

무엇인가요 – 다중 에이전트, 다단계 연구 워크플로를 오케스트레이션하는 오픈소스 프레임워크입니다. 초기 아이디어와 선택적 참고문헌을 바탕으로 감사 가능한 트레이스를 갖춘 완전한 초안 논문을 생성합니다.

주요 단계

1. S00 – 분야 아카이브 – 분야 맵, 논문 카드, 방법, 데이터셋, 증거 은행을 구축합니다.
2. S01 – 교수의 결정 – 아이디어를 생성하고 비판하며, 독창성을 탐색하고, 순위를 매기며 방향을 선택합니다.
3. S02 – 박사과정 실행 – 베이스라인 계획, 실험 실행, 실패 분석, 리뷰 메모 작성.
4. S03 – 작성 – 원고 계획, 주장-증거 테이블, 텍스트 및 그림 초안 작성, 리뷰와 반복적 수정.
5. S04 – 품질 관리 – 독창성, 인용, 재현 가능성 감사하고, 초안이 제출에 적합한지 결정합니다.

각 단계는 구조화된 Markdown 체크포인트를 출력하므로 전체 프로세스는 감사 가능합니다.

주요 기능

• 오프라인 데모용 결정론적 로컬 프로바이더 (실제 모델 필요 없음).
• OpenAI 호환 어댑터로 OpenAI 스타일 LLM (예: OpenAI, DeepSeek)를 연결 가능.
• Semantic Scholar 및 OpenAlex용 문헌 어댑터.
• 드라이런 및 로컬 쉘 실행 백엔드; 생성된 코드는 code/에 저장되어 호스트 머신에서 실행.
• ACM, IEEE, Springer LNCS, 중국 논문 스타일에 맞춘 포맷 인식 원고 생성 (PDF 컴파일 옵션 있음).
• 모델 설정, PDF/노트 업로드, 루프 진행 상황 시각화, 체크포인트 미리보기 가능한 Vue 기반 웹 콘솔 제공.
• CLI (autoscholarloop run …) 및 Python 웹 API를 통해 동일한 파이프라인 사용 가능.

설치

# Python 패키지 (API, 웹 UI, 개발용 확장 포함한 편집 설치)
cd AutoScholarLoop
pip install -e ".[api,web,dev]"
# 프론트엔드 (Vue, Vite 2로 빌드)
cd web
npm install

빠른 시작 (CLI)

autoscholarloop run \
  --seed "study retrieval-augmented agents for scientific writing" \
  --loop-mode fast \
  --paper-format ieee \
  --workspace runs/demo

일반적인 옵션으로 참고 논문 제공, 아이디어 수 선택, 문헌 소스 선택, 실행 백엔드 (드라이런 또는 실제 쉘), 리뷰 집단 크기 설정, PDF 컴파일 활성화 가능.

웹 콘솔

autoscholarloop web --host 127.0.0.1 --port 8000   # Python API 시작
cd web && npm run dev                               # Vue UI 실행

UI는 처음 사용자 모델 설정, PDF/노트 업로드, 루프 모드 선택, S00–S04 진행 상황 실시간 시각화를 안내합니다.

출력 – 선택한 --workspace 디렉터리 아래에 재현 가능한 워크스페이스가 생성되며, 다음을 포함합니다:

• 문헌 아티팩트 (field_map.md, paper_cards.md)
• 아이디어 보고서 및 선택된 방향
• 실험 코드, 결과, 감사 로그
• 작성 아티팩트 (논문 계획, 주장-증거 테이블, 초안 Markdown/LaTeX)
• 품질 게이트 보고서, LaTeX 사용 시 컴파일된 PDF
• 최종 release/README.md로 전체 감사 트레이스 요약

상태 – 시스템은 엔드투엔드로 실행 가능한 틀을 제공하지만, 과학적 독창성, 정확한 인용, 유효한 실험, 제출용 논문 보장은 하지 않습니다. 인간의 감시가 필요합니다.

라이선스 및 책임 있는 사용 – AI Scientist Source Code License (책임 있는 AI 유형 라이선스) 하에 배포됩니다. 결과 논문에서 AI 지원을 명시해야 합니다.

---

AutoScholarLoop는 중국과학원 AI 그룹에서 개발한 연구 자동화 도구로, AI 기반 과학적 글쓰기의 감사 가능성과 확장성을 목표로 합니다.