Research Pipeline

• Vous avez une direction ou un sujet de recherche et souhaitez que le système découvre de manière autonome des idées viables, implémente des expériences et produise un brouillon d'article révisable — le cas d'usage du « pipeline complet ».
• Vous souhaitez exécuter des expériences GPU multi-graines pendant la nuit et vous réveiller avec des résultats auto-révisés sans intervention manuelle.
• Vous avez besoin d'un artefact de recherche reproductible de bout en bout : idées classées, journaux d'expériences, historique des révisions et source LaTeX, le tout dans un résultat cohérent.
• Vous ciblez une conférence spécifique (ICLR, NeurIPS, ICML, CVPR, ACL, etc.) et souhaitez que le pipeline rédige et compile automatiquement un PDF formaté selon les exigences de la conférence.

• Vous n'avez besoin que d'une seule étape isolément (par exemple, uniquement la découverte d'idées, uniquement l'exécution d'expériences, ou uniquement la rédaction d'articles) — invoquez directement les compétences individuelles (/idea-discovery, /run-experiment, /paper-writing).
• Vous ne disposez pas de ressources GPU ni de serveurs distants configurés, car les étapes 3 à 4 nécessitent une infrastructure de déploiement d'expériences.
• Votre recherche nécessite la création manuelle de figures avant la rédaction de l'article — le pipeline s'interrompra et attendra, alors tenez-en compte dans votre planning.

Orchestre le Workflow 1 (/idea-discovery), le Workflow 2 (/run-experiment + /auto-review-loop), et optionnellement le Workflow 3 (/paper-writing) en séquence. Chaque workflow produit des fichiers de sortie autonomes afin que vous puissiez inspecter ou reprendre le processus à n'importe quelle étape.

AUTO_PROCEED=true sélectionne automatiquement l'idée la mieux classée et continue sans attendre ; AUTO_PROCEED=false marque une pause à la Porte 1 pour une confirmation explicite de l'utilisateur. HUMAN_CHECKPOINT=true affiche les scores d'évaluation après chaque tour, vous permettant de fournir des instructions de correction personnalisées avant que la boucle ne continue.

La boucle d'auto-révision prend en charge trois niveaux adversariaux : medium (révision standard), hard (mémoire du réviseur + protocole de débat) et nightmare (GPT lit le dépôt directement via codex exec + mémoire + débat). Jusqu'à 4 cycles de révision/correction s'exécutent de manière autonome, visant un score ≥ 6/10.

Les petits lots (≤5 tâches) sont envoyés via /run-experiment ; les grands balayages multi-graines (≥10 tâches) sont acheminés vers /experiment-queue avec nouvelle tentative en cas d'OOM, nettoyage des écrans obsolètes, dépendances de phase et état sécurisé contre les plantages. La disponibilité des GPU est vérifiée avant le déploiement.

Lorsque AUTO_WRITE=true et que VENUE est défini, le Research Pipeline invoque automatiquement /paper-writing après l'étape 5, en exécutant les phases plan → figure → rédaction → compilation → amélioration en boucle, et produit un fichier final paper/main.pdf.

Chaque étape produit des fichiers de sortie versionnés et enregistrés dans un manifeste : IDEA_REPORT.md, AUTO_REVIEW.md, NARRATIVE_REPORT.md, ainsi qu'un Research Pipeline Report complet résumant les heures GPU, les cycles de révision, les scores et les tâches restantes.

Définissez AUTO_PROCEED=true, HUMAN_CHECKPOINT=false, et lancez avant d'aller dormir. Le Research Pipeline découvre des idées, sélectionne automatiquement les meilleures, implémente les expériences, les déploie sur votre serveur GPU, effectue jusqu'à 4 cycles de révision/correction, et génère NARRATIVE_REPORT.md d'ici le matin.

Définissez AUTO_PROCEED=false pour marquer une pause à la Porte 1, examinez vous-même les idées classées, sélectionnez ou combinez des idées, puis approuvez. Les étapes 2 à 4 s'exécutent ensuite de manière entièrement autonome — vous gardez le contrôle humain sur la direction de la recherche sans avoir à surveiller les expériences.

Définissez AUTO_WRITE=true et VENUE=NeurIPS (ou ICLR, ICML, CVPR, ACL, etc.). Une fois les expériences et les cycles de révision terminés, le Research Pipeline rédige, compile et améliore un article LaTeX formaté selon les exigences de la conférence, aboutissant à un fichier paper/main.pdf prêt pour la soumission.

Définissez REVIEWER_DIFFICULTY=nightmare pour que GPT lise directement le dépôt et applique les protocoles de mémoire et de débat lors des cycles d'évaluation. Utilisez cette option lorsque vous souhaitez obtenir les retours les plus sévères possible avant de soumettre à une revue compétitive.