Research Pipeline

• Hai una direzione o un argomento di ricerca e vuoi che il sistema scopra autonomamente idee praticabili, implementi esperimenti e produca una bozza di articolo revisionabile — il caso d'uso della "pipeline completa".
• Vuoi eseguire esperimenti GPU multi-seed durante la notte e svegliarti con risultati revisionati automaticamente, senza intervento manuale.
• Hai bisogno di un artefatto di ricerca riproducibile end-to-end: idee classificate, log degli esperimenti, cronologia delle revisioni e sorgente LaTeX, tutto in un unico output coerente.
• Stai puntando a una sede specifica (ICLR, NeurIPS, ICML, CVPR, ACL, ecc.) e vuoi che la pipeline scriva e compili automaticamente un PDF formattato secondo le linee guida della sede.

• Hai bisogno di una sola fase in isolamento (ad esempio, solo la scoperta di idee, solo l'esecuzione di esperimenti, o solo la scrittura del paper) — invoca direttamente le singole skill (/idea-discovery, /run-experiment, /paper-writing).
• Non disponi di risorse GPU o server remoti configurati, poiché le Fasi 3–4 richiedono un'infrastruttura di distribuzione degli esperimenti.
• La tua ricerca richiede la creazione manuale delle figure prima della scrittura del paper — il pipeline si metterà in pausa e attenderà, quindi tienine conto nella tua pianificazione temporale.

Orchestra il Workflow 1 (/idea-discovery), il Workflow 2 (/run-experiment + /auto-review-loop) e il Workflow 3 opzionale (/paper-writing) in sequenza. Ogni workflow produce file di output autonomi, così puoi ispezionare o riprendere il lavoro in qualsiasi fase.

AUTO_PROCEED=true seleziona automaticamente l'idea più classificata e continua senza attendere; AUTO_PROCEED=false mette in pausa al Gate 1 per una conferma esplicita da parte dell'utente. HUMAN_CHECKPOINT=true mostra i punteggi di revisione dopo ogni round, così puoi fornire istruzioni di correzione personalizzate prima che il ciclo continui.

Il ciclo di revisione automatica supporta tre livelli di avversarietà: medium (revisione standard), hard (memoria del revisore + protocollo di dibattito) e nightmare (GPT legge il repository direttamente tramite codex exec + memoria + dibattito). Fino a 4 cicli di revisione/correzione vengono eseguiti in modo autonomo, con l'obiettivo di raggiungere un punteggio ≥ 6/10.

I batch di piccole dimensioni (≤5 job) vengono inviati tramite /run-experiment; le sweep multi-seed di grandi dimensioni (≥10 job) vengono indirizzate a /experiment-queue con ripetizione automatica in caso di OOM, pulizia delle sessioni obsolete, dipendenze di fase e stato sicuro in caso di crash. La disponibilità della GPU viene verificata prima del deployment.

Quando AUTO_WRITE=true e VENUE è impostato, il Research Pipeline invoca automaticamente /paper-writing dopo la Fase 5, eseguendo le fasi del ciclo plan → figure → write → compile → improvement e producendo un file finale paper/main.pdf.

Ogni fase produce file di output versionati e registrati nel manifest: IDEA_REPORT.md, AUTO_REVIEW.md, NARRATIVE_REPORT.md, e un Research Pipeline Report completo che riassume le ore GPU, i cicli di revisione, i punteggi e i TODO rimanenti.

Imposta AUTO_PROCEED=true, HUMAN_CHECKPOINT=false e avvia prima di andare a dormire. Research Pipeline scopre idee, seleziona automaticamente le migliori, implementa gli esperimenti, li distribuisce sul tuo server GPU, esegue fino a 4 cicli di revisione/correzione e genera NARRATIVE_REPORT.md entro la mattina.

Imposta AUTO_PROCEED=false per mettere in pausa al Gate 1, esamina tu stesso le idee classificate, scegli o combina le idee, quindi approva. Le fasi 2–4 vengono poi eseguite in modo completamente autonomo — ottieni il controllo umano sulla direzione della ricerca senza dover supervisionare continuamente gli esperimenti.

Imposta AUTO_WRITE=true e VENUE=NeurIPS (oppure ICLR, ICML, CVPR, ACL, ecc.). Al termine degli esperimenti e dei cicli di revisione, il Research Pipeline redige, compila e perfeziona un articolo LaTeX formattato secondo le linee guida della sede, concludendo con paper/main.pdf pronto per la sottomissione.

Imposta REVIEWER_DIFFICULTY=nightmare per fare in modo che GPT legga direttamente il repository e applichi i protocolli di memoria e dibattito durante i cicli di revisione. Usa questa modalità quando desideri il feedback pre-submission più severo possibile prima di puntare a una sede competitiva.