Auto Research¶
简体中文 · English README · English documentation
读懂论文，查验实现，再用公开数据做研究迭代。覆盖搜广推、基础模型、LLM 后训练、Agent、多模态与结构化决策。
先看一遍网站¶
不用安装，直接在网站里查论文、按主题学习、展开问答和核对实验。下面的动画使用实际网站画面，完整演示不到一分钟。
你可以用它做什么¶
| 想做的事 | 入口 | 能看到什么 |
|---|---|---|
| 找到相关论文 | 论文实现与评测 | 按领域、机构、主题和时间浏览，查看中文解读、公式与代码 |
| 分层读懂一篇 | 学习卡片 | 基础理解 → 核心机制 → 方法对比 → 实现细节；答案、例子和来源按需展开 |
| 比较一个主题的多篇论文 | 专题精读 | 机制对照、取舍分析与跨论文问答；新论文加入后增量更新对应卡片 |
| 接着上次读 | 最近新增问题 | 新论文和旧论文补充的问题统一汇总，可筛选主题与学习层次 |
| 判断实验说明了什么 | 公开实验看板 | 对照数据、基线、指标、seed 和验证层级，保留负结果及未复现边界 |
| 亲自运行研究 | 自动研究与进化 | 执行已实现的论文组件，用 validation 选择候选，再运行隔离 test |
仓库目前注册 410 个论文 adapter。收录论文、机制诊断与完整能力复现分别标注，具体状态以各篇证据为准。
在本地开始¶
只阅读网站无需安装。运行 CLI 需要 macOS/Linux、Python 3.11+：
git clone https://github.com/daiwk/auto-research.git
cd auto-research
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -e .
auto-research --help
auto-research list
需要训练依赖、公开数据或平台 Demo 时，继续看安装与 Demo；模型和数据会按所选任务下载，默认复用本地缓存。
按需要深入¶
| 文档 | 内容 |
|---|---|
| 安装、数据与 Demo | 可选依赖、Mac/MPS、Linux CPU/CUDA、数据准备和一键示例 |
| 实验与自动研究 | 单篇/批量复现、模型进化、Topic research、外部实验接入 |
| 开发与证据约定 | 代码结构、扩展方式、测试、PR 与实验解释边界 |
| 交付与审计记录 | 历史批次、已验证结果、失败与未完成范围 |
| 架构与扩展 | adapter、数据隔离、保真度和评测合同 |
| 文档维护 | 本地预览、问答编写、生成与发布 |
参与和维护¶
欢迎提交问题、修正文档或新增论文组件：Issues · 提交历史。使用编码助手时先读 AGENTS.md。
Python 契约与文档构建由 CI 检查；新论文需要同步信息、源码/成本边界、四层问答及对应专题精读的增量更新。实验保留命令、版本、指标和失败记录；需要 CUDA 的新实现还必须提供实际 GPU 验证证据。