Entra una dirección de investigación. Salen una revisión bibliográfica, experimentos reales y un artículo con formato de congreso.
English · 简体中文 · 日本語 · Español · Français · Deutsch · Italiano · Português · Русский · 한국어 · العربية
Dentro del estudio del Prof. Meerk — mentes curiosas + conocimiento compartido + iteración incansable = impacto real.
Paperfessor es un asistente de investigación con tres agentes que se ejecuta en tu propia máquina y con tu propia clave de API. Dale una dirección de investigación (una frase basta) y su grupo de agentes trabaja como un pequeño laboratorio:
| Agente | Rol | API de estado |
|---|---|---|
| 🎓 Doctorando | Inventa el método, asigna tareas, supervisa, escribe e inspecciona el artículo | planning / dispatching / monitoring / reviewing / writing / archiving |
| 📚 Estudiante de máster | Búsqueda bibliográfica amplia (arXiv + OpenAlex + Scholar), lectura rigurosa del texto completo, extracción de evidencia | websearch / reading / analyzing / reporting / idle / stopped |
| 💻 Estudiante de grado | Implementa el método bajo un contrato estricto, descarga y preprocesa datos reales, ejecuta experimentos con k semillas | coding / thinking / reporting / idle / stopped |
Cada número del artículo está medido, nunca inventado: los datos son descargas públicas reales (los cargadores rechazan datos sintéticos), el método propuesto se verifica ejecutándolo de verdad y cada página del PDF pasa una inspección automática de maquetación antes de aceptar la ejecución.
# Python 3.11+
pip install -e ".[gui]" # desde un clon
# o, una vez publicado:
pip install paperfessor[gui]Se recomienda LaTeX (TeX Live/MiKTeX con acmart) para el PDF; sin él,
Paperfessor recurre a .docx (pandoc) o Markdown.
Las claves de API viven en el llavero del sistema operativo — nunca en disco, ni en registros, ni en el artículo.
paperfessor key set minimax --key "sk-..." # también openai / anthropic / google
paperfessor key test minimax # prueba de ida y vuelta
paperfessor models list # modelos disponiblespaperfessor run "anomaly detection in multivariate time series"Resultados en workspace/: paper/body/paper.pdf (PDF con formato de
congreso), src/results/results.json (métricas medidas, k = 3 semillas,
media ± IC del 95 %), figuras reales y los registros de trabajo de los agentes.
¿Prefieres una ventana? paperfessor-gui.
Paperfessor está construido solo con fines de investigación.
- No presentes su salida como trabajo propio sin asistencia en congresos, revistas o cursos; cumple las políticas del lugar de destino sobre asistencia de IA, autoría y plagio, y declara la asistencia de IA cuando se requiera.
- Verifica todo. Texto, citas, código y números generados deben ser revisados por una persona antes de cualquier uso real.
- No lo uses para investigación fabricada, manipulación de citas, fábricas de artículos ni ningún fin ilegal o engañoso.
Los autores y colaboradores de este repositorio no aceptan ninguna responsabilidad por el mal uso de este software ni por las consecuencias derivadas de su uso.
MIT. La mascota Prof. Meerk forma parte de la identidad de este repositorio.
