클로드 코드를 위한 학술 연구 기술: 논문 작성을 위한 인간 참여 파이프라인

Claude Code용 학술 연구 기술(ARS)은 연구-출판 전 과정(연구→작성→검토→수정→최종)을 지원하는 플러그인입니다. 완전 자동화를 명시적으로 거부하는 인간-인-더-루프 시스템으로 설계되었습니다. 이 도구는 참고문헌 검색, 인용 형식 지정, 데이터 검증, 논리적 일관성 확인 등의 단순 반복 작업을 처리하며, 연구자는 질문 정의, 방법 선택, 해석 및 핵심 논증에 대한 통제권을 유지합니다.

빠른 설치 (Claude Code v3.7.0+)

/plugin marketplace add Imbad0202/academic-research-skills
/plugin install academic-research-skills

/ars-plan으로 소크라테스식 대화를 시작하여 장 구조를 계획하거나, /ars-lit-review "your topic"으로 한 번의 문헌 검토를 수행할 수 있습니다.

왜 인간-인-더-루프인가?

ARS는 Lu et al. (2026, Nature 651:914-919)이 개발한 완전 자율 AI 연구 시스템 The AI Scientist를 인용합니다. 이 시스템은 최고 수준의 ML 학회(ICLR 2025 워크숍, 평점 6.33/10 vs 워크숍 평균 4.87)에서 블라인드 피어 리뷰를 통해 논문을 출판한 최초의 시스템입니다. 그들의 한계 섹션에는 구현 버그, 환각된 결과, 지름길 의존, 버그를 통찰로 재구성, 방법론 조작, 프레임 고정, 인용 환각 등의 실패 모드가 나열되어 있습니다. ARS는 AI로 강화된 인간 연구자가 이러한 실패 모드를 혼자서보다 더 잘 피할 수 있다는 전제 위에 구축되었습니다.

무결성 게이트 및 보정

2.5단계와 4.5단계에서는 7가지 모드 차단 체크리스트를 실행합니다(academic-pipeline/references/ai_research_failure_modes.md 참조). 검토자는 사용자가 제공한 골드 셋을 기준으로 자체 위음성률/위양성률을 측정하는 옵트인 보정 모드를 제공합니다.

기능

• 스타일 보정: 과거 작업에서 사용자의 문체를 학습합니다.
• 작문 품질 검사: 기계 생성 텍스트 패턴을 감지합니다.
• Semantic Scholar API 검증 (PaperOrchestra, Song, Song, Pfister & Yoon, 2026, Google에서 영감을 받음).
• 정보 누출 방지 프로토콜, VLM 그림 검증, 점수 추적.

아키텍처

전체 파이프라인 문서는 docs/ARCHITECTURE.md에 있으며, 흐름도, 단계별 매트릭스, 데이터 접근 흐름, 스킬 종속성 그래프, 품질 게이트 및 모드 목록이 포함되어 있습니다. DOCX 출력에는 pandoc이 필요하고, APA 7.0 PDF에는 tectonic + Source Han Serif TC 글꼴이 필요합니다(Markdown 출력은 둘 다 없이 작동).