Research Pipeline

• Tienes una dirección o tema de investigación y quieres que el sistema descubra de forma autónoma ideas viables, implemente experimentos y produzca un borrador de artículo revisable: el caso de uso de "pipeline completo".
• Quieres ejecutar experimentos en GPU con múltiples semillas durante la noche y despertar con resultados revisados automáticamente sin intervención manual.
• Necesitas un artefacto de investigación reproducible de extremo a extremo: ideas clasificadas, registros de experimentos, historial de revisiones y código fuente en LaTeX, todo en una salida coherente.
• Tienes como objetivo un evento específico (ICLR, NeurIPS, ICML, CVPR, ACL, etc.) y quieres que el pipeline redacte y compile automáticamente un PDF con el formato del evento.

• Solo necesitas una etapa de forma aislada (por ejemplo, solo descubrimiento de ideas, solo ejecución de experimentos o solo redacción de artículos): invoca directamente las habilidades individuales (/idea-discovery, /run-experiment, /paper-writing).
• No dispones de recursos de GPU ni servidores remotos configurados, ya que las etapas 3–4 requieren infraestructura de despliegue de experimentos.
• Tu investigación requiere la creación manual de figuras antes de la redacción del artículo: el pipeline se pausará y esperará, así que ten esto en cuenta en tu cronograma.

Orquesta el Flujo de Trabajo 1 (/idea-discovery), el Flujo de Trabajo 2 (/run-experiment + /auto-review-loop) y el opcional Flujo de Trabajo 3 (/paper-writing) en secuencia. Cada flujo de trabajo produce archivos de salida independientes para que puedas inspeccionar o retomar el proceso en cualquier etapa.

AUTO_PROCEED=true selecciona automáticamente la idea mejor clasificada y continúa sin esperar; AUTO_PROCEED=false hace una pausa en la Puerta 1 para solicitar confirmación explícita del usuario. HUMAN_CHECKPOINT=true muestra las puntuaciones de revisión después de cada ronda para que puedas proporcionar instrucciones de corrección personalizadas antes de que continúe el bucle.

El bucle de revisión automática admite tres niveles de adversidad: medium (revisión estándar), hard (memoria del revisor + protocolo de debate) y nightmare (GPT lee el repositorio directamente mediante codex exec + memoria + debate). Se ejecutan de forma autónoma hasta 4 rondas de ciclos de revisión/corrección, con el objetivo de alcanzar una puntuación ≥ 6/10.

Los lotes pequeños (≤5 trabajos) se despachan a través de /run-experiment; los barridos multi-semilla de gran tamaño (≥10 trabajos) se enrutan a /experiment-queue con reintento por OOM, limpieza de pantallas obsoletas, dependencias de fase y estado seguro ante fallos. La disponibilidad de GPU se verifica antes del despliegue.

Cuando AUTO_WRITE=true y VENUE está configurado, el Research Pipeline invoca automáticamente /paper-writing después de la Etapa 5, ejecutando las fases de bucle plan → figura → escritura → compilación → mejora y produciendo un paper/main.pdf final.

Cada etapa produce archivos de salida versionados y registrados en el manifiesto: IDEA_REPORT.md, AUTO_REVIEW.md, NARRATIVE_REPORT.md, y un Research Pipeline Report completo que resume las horas de GPU, las rondas de revisión, las puntuaciones y las tareas pendientes restantes.

Establece AUTO_PROCEED=true, HUMAN_CHECKPOINT=false, e inícialo antes de acostarte. El Research Pipeline descubre ideas, selecciona automáticamente las mejores, implementa experimentos, despliega en tu servidor GPU, ejecuta hasta 4 rondas de revisión/corrección y genera NARRATIVE_REPORT.md por la mañana.

Establece AUTO_PROCEED=false para pausar en la Puerta 1, revisa tú mismo las ideas clasificadas, elige o combina ideas y luego aprueba. Las etapas 2–4 se ejecutan de forma completamente autónoma — obtienes control humano sobre la dirección de la investigación sin necesidad de supervisar los experimentos.

Establece AUTO_WRITE=true y VENUE=NeurIPS (o ICLR, ICML, CVPR, ACL, etc.). Una vez que los experimentos y los ciclos de revisión se completan, el pipeline redacta, compila y mejora un artículo LaTeX con el formato de la sede, finalizando con paper/main.pdf listo para su envío.

Establece REVIEWER_DIFFICULTY=nightmare para que GPT lea el repositorio directamente y aplique protocolos de memoria y debate durante las rondas de revisión. Usa esto cuando quieras la retroalimentación previa a la presentación más exigente posible antes de apuntar a una convocatoria competitiva.