Research Pipeline

• Você tem uma direção ou tópico de pesquisa e quer que o sistema descubra autonomamente ideias viáveis, implemente experimentos e produza um rascunho de artigo revisável — o caso de uso de "pipeline completo".
• Você quer executar experimentos de GPU com múltiplas seeds durante a noite e acordar com resultados revisados automaticamente, sem intervenção manual.
• Você precisa de um artefato de pesquisa reproduzível de ponta a ponta: ideias ranqueadas, logs de experimentos, histórico de revisões e código-fonte LaTeX em uma saída coerente.
• Você está mirando um venue específico (ICLR, NeurIPS, ICML, CVPR, ACL, etc.) e quer que o pipeline escreva e compile automaticamente um PDF formatado para o venue.

• Você precisa apenas de um estágio isolado (por exemplo, somente descoberta de ideias, somente execução de experimentos ou somente escrita do artigo) — invoque as skills individuais (/idea-discovery, /run-experiment, /paper-writing) diretamente.
• Você não possui recursos de GPU ou servidores remotos configurados, pois os Estágios 3–4 exigem infraestrutura de implantação de experimentos.
• Sua pesquisa requer a criação manual de figuras antes da escrita do artigo — o pipeline fará uma pausa e aguardará, portanto leve isso em consideração no seu cronograma.

Orquestra o Fluxo de Trabalho 1 (/idea-discovery), o Fluxo de Trabalho 2 (/run-experiment + /auto-review-loop) e o opcional Fluxo de Trabalho 3 (/paper-writing) em sequência. Cada fluxo de trabalho produz arquivos de saída independentes para que você possa inspecionar ou retomar em qualquer etapa.

AUTO_PROCEED=true seleciona automaticamente a ideia mais bem classificada e continua sem aguardar; AUTO_PROCEED=false pausa no Gate 1 para confirmação explícita do usuário. HUMAN_CHECKPOINT=true exibe as pontuações de revisão após cada rodada, permitindo que você forneça instruções de correção personalizadas antes que o loop continue.

O loop de revisão automática suporta três níveis adversariais: medium (revisão padrão), hard (memória do revisor + protocolo de debate) e nightmare (o GPT lê o repositório diretamente via codex exec + memória + debate). Até 4 rodadas de ciclos de revisão/correção são executadas de forma autônoma, com meta de pontuação ≥ 6/10.

Lotes pequenos (≤5 jobs) são despachados via /run-experiment; varreduras multi-seed de grande escala (≥10 jobs) são roteadas para /experiment-queue com retry em caso de OOM, limpeza de telas obsoletas, dependências de fase e estado seguro contra falhas. A disponibilidade de GPU é verificada antes da implantação.

Quando AUTO_WRITE=true e VENUE está definido, o pipeline invoca automaticamente /paper-writing após o Estágio 5, executando as fases de planejamento → figura → escrita → compilação → melhoria em loop e produzindo um paper/main.pdf final.

Cada etapa produz arquivos de saída versionados e registrados em manifesto: IDEA_REPORT.md, AUTO_REVIEW.md, NARRATIVE_REPORT.md e um Research Pipeline Report completo resumindo horas de GPU, rodadas de revisão, pontuações e TODOs pendentes.

Defina AUTO_PROCEED=true, HUMAN_CHECKPOINT=false e inicie antes de dormir. O Research Pipeline descobre ideias, seleciona automaticamente as melhores, implementa experimentos, faz deploy no seu servidor GPU, executa até 4 rodadas de revisão/correção e gera o arquivo NARRATIVE_REPORT.md até de manhã.

Defina AUTO_PROCEED=false para pausar no Gate 1, revise as ideias classificadas você mesmo, escolha ou combine ideias e então aprove. As etapas 2–4 são executadas de forma totalmente autônoma — você mantém o controle humano sobre a direção da pesquisa sem precisar monitorar os experimentos de perto.

Defina AUTO_WRITE=true e VENUE=NeurIPS (ou ICLR, ICML, CVPR, ACL, etc.). Após a conclusão dos experimentos e dos ciclos de revisão, o Research Pipeline escreve, compila e aprimora um artigo em LaTeX formatado conforme o evento, finalizando com paper/main.pdf pronto para submissão.

Defina REVIEWER_DIFFICULTY=nightmare para que o GPT leia o repositório diretamente e aplique protocolos de memória + debate durante as rodadas de revisão. Use isso quando quiser o feedback pré-submissão mais rigoroso possível antes de mirar em um venue competitivo.