paper2code — オーケストレーション

paper2code スキルを実行しています。このファイルは高レベルのフロー全体を管理しています。各ステージは pipeline/ の詳細な推論プロトコルにディスパッチされます。ステージをスキップしないでください。ステージを組み合わせないでください。順序通りに実行してください。

引数の解析

ユーザーの入力から以下を抽出します:

• ARXIV_ID: arxiv 論文 ID (例: 2106.09685)。URL プレフィックスを削除します。
• MODE: minimal (デフォルト)、full、educational のいずれか。
• FRAMEWORK: pytorch (デフォルト)、jax、numpy のいずれか。

ユーザーが https://arxiv.org/abs/2106.09685 のような完全な URL を提供した場合、ID 2106.09685 を抽出します。 ユーザーが 2106.09685v2 のようなバージョン付き ID を提供した場合、バージョンを保持します。

作業ディレクトリのセットアップ

一時的な作業ディレクトリを作成します: .paper2code_work/{ARXIV_ID}/ ここは中間成果物が保存される場所です。最終出力は {paper_slug}/ の現在のディレクトリに格納されます。

依存関係のインストール

Bash で実行します:

pip install pymupdf4llm pdfplumber requests pyyaml

パイプラインの実行

ステージ 1 — 論文の取得とパース

以下を読んで従います: pipeline/01_paper_acquisition.md

ヘルパースクリプトを実行して論文を取得・パースします:

python skills/paper2code/scripts/fetch_paper.py {ARXIV_ID} .paper2code_work/{ARXIV_ID}/

次に構造抽出を実行します:

python skills/paper2code/scripts/extract_structure.py .paper2code_work/{ARXIV_ID}/paper_text.md .paper2code_work/{ARXIV_ID}/

次に進む前に出力が存在することを確認します。抽出に失敗した場合は、pipeline/01_paper_acquisition.md のフォールバック プロトコルに従います。

このスクリプトは、論文テキストと arxiv ページ内の公式コード リポジトリを検索し、見つかったリンクを official_code キーの下の paper_metadata.json に保存します。これらのリンクに依存する前に検証してください — pipeline/01_paper_acquisition.md のステップ 8 を参照してください。

ステージ 2 — 貢献度の特定

以下を読んで従います: pipeline/02_contribution_identification.md

パースされた論文セクションを読みます。単一の中心的な貢献を特定します。論文の種類を分類します。貢献度ステートメントを作成します。.paper2code_work/{ARXIV_ID}/contribution.md に保存します。

ステージ 3 — 曖昧性の監査

以下を読んで従います: pipeline/03_ambiguity_audit.md

このステージを読む前に、以下も読みます: guardrails/hallucination_prevention.md

すべての実装関連の詳細を確認します。それぞれを SPECIFIED、PARTIALLY_SPECIFIED、または UNSPECIFIED に分類します。監査を .paper2code_work/{ARXIV_ID}/ambiguity_audit.md に保存します。

ステージ 4 — コード生成

以下を読んで従います: pipeline/04_code_generation.md

コードを書く前に、以下を読みます:

• guardrails/scope_enforcement.md — スコープ内およびスコープ外の内容を決定するため
• guardrails/badly_written_papers.md — 論文が曖昧または矛盾している場合
• knowledge/ の該当する知識ファイル (論文の領域別)
• scaffolds/ の想定ファイル構造のスカフォルド テンプレート

論文タイトルから paper_slug を決定します (小文字、アンダースコア、特殊文字なし)。 すべてのファイルを現在のワーキング ディレクトリの {paper_slug}/ の下に生成します。

ステージ 5 — ウォークスルー ノートブック

以下を読んで従います: pipeline/05_walkthrough_notebook.md

論文セクションを実行可能なサニティ チェックでコードに接続するウォークスルー ノートブックを生成します。{paper_slug}/notebooks/walkthrough.ipynb に保存します。

クリーンアップ

成功完了後に .paper2code_work/ ディレクトリを削除します。

最終出力

サマリーを出力します:

✓ paper2code complete for: {paper_title}
  Output directory: {paper_slug}/
  Files generated: {list of files}
  Unspecified choices: {count} (see REPRODUCTION_NOTES.md)
  Mode: {MODE} | Framework: {FRAMEWORK}

モード固有の動作

• minimal (デフォルト): 中心的な貢献のみ。貢献がトレーニングを含む場合のみトレーニング ループ。Dataset スケルトンを超えたデータ パイプラインなし。
• full: 中心的な貢献 + 完全なトレーニング ループ + データ パイプライン + 評価パイプライン。より多くのコード、同じ引用厳密性。
• educational: minimal と同じですが、ML概念を説明する追加のインラインコメント、理論セクションを含む展開されたウォークスルー ノートブック、および論文をセクション別に説明する PAPER_GUIDE.md があります。

ガードレール — 常にアクティブ

これらはすべてのステージに適用されます。まだ読んでいない場合は読みます:

• guardrails/hallucination_prevention.md — このスキルで最も重要なファイル
• guardrails/scope_enforcement.md — 実装する内容とスキップする内容
• guardrails/badly_written_papers.md — 論文が不明確な場合の対応方法

知識ベース — 必要に応じて参照

これらのコンポーネントを実装する前に、対応する知識ファイルを読みます:

• Transformer レイヤー、アテンション、位置エンコーディング → knowledge/transformer_components.md
• オプティマイザー、LR スケジュール、バッチサイズのセマンティクス → knowledge/training_recipes.md
• クロスエントロピー、コントラスティブロス、拡散ロス、ELBO → knowledge/loss_functions.md
• フレームワーク固有の落とし穴、記法の不一致 → knowledge/paper_to_code_mistakes.md