paper-research-assistant

科研论文研读与复现自动化助手。使用当用户需要：(1) 研读论文 PDF 并提取核心内容，(2) 生成结构化研读报告，(3) 查找官方代码/数据集，(4) 编写复现代码框架，(5) 设计实验方案复现论文结果

Paper Research Assistant - 科研论文研读与复现助手

核心工作流

1. 论文接收与解析

• 接收用户提供的论文 PDF 文件路径或 arXiv/期刊链接
• 使用 scripts/parse_paper.py 提取论文元数据（标题、作者、摘要、关键词）
• 识别论文类型：理论研究/实验研究/综述/方法论文

2. 深度研读与报告生成

• 提取核心贡献（通常位于 Introduction 最后一段或 Conclusion）
• 识别方法论框架（模型架构、算法流程、关键公式）
• 整理实验配置（数据集、基线方法、评估指标、超参数）
• 生成结构化研读报告（使用 references/report_template.md）

3. 资源收集

• 搜索官方代码仓库（GitHub、GitLab、项目主页）
• 查找配套数据集（HuggingFace、Kaggle、论文中提到的数据源）
• 验证资源可用性与许可证

4. 复现代码生成

• 根据论文方法描述生成代码骨架（PyTorch/TensorFlow）
• 实现核心算法模块
• 配置训练循环与评估流程
• 生成可运行的实验脚本

5. 实验方案设计

• 列出环境依赖（Python 版本、关键库）
• 设计对比实验（消融实验、基线对比）
• 配置超参数搜索空间
• 预估计算资源需求

脚本使用

parse_paper.py

python scripts/parse_paper.py --pdf /path/to/paper.pdf --output /tmp/paper_metadata.json

提取论文结构化元数据

generate_report.py

python scripts/generate_report.py --metadata /tmp/paper_metadata.json --template references/report_template.md --output /tmp/research_report.md

生成研读报告

scaffold_code.py

python scripts/scaffold_code.py --paper-json /tmp/paper_metadata.json --framework pytorch --output-dir /tmp/repo

生成复现代码骨架

参考文档

• references/report_template.md - 研读报告标准模板
• references/code_style.md - 复现代码规范
• references/experiment_design.md - 实验设计指南

输出规范

研读报告结构

# 论文研读报告

## 基本信息
- 标题：
- 作者/机构：
- 发表 venue：
- 日期：

## 核心贡献
1. ...
2. ...

## 方法论
- 问题定义：
- 核心思路：
- 关键公式：

## 实验配置
- 数据集：
- 基线方法：
- 评估指标：
- 超参数：

## 复现可行性
- 官方代码：[有/无] [链接]
- 数据集：[公开/需申请] [链接]
- 计算需求：
- 预计复现难度：[低/中/高]

## 待澄清问题
- ...

注意事项

1. PDF 解析限制：复杂公式可能识别不准确，需人工核对
2. 代码复现范围：生成骨架代码，完整实现需根据实际调试
3. 资源验证：所有链接需验证有效性，标注最后访问时间
4. 许可证合规：注明原论文/代码的许可证类型

工具依赖

• PyMuPDF / pdfplumber - PDF 解析
• arxiv API - 论文元数据查询
• GitHub API - 代码仓库搜索
• HuggingFace API - 数据集查询