코난쌤 블로그

AutoResearchClaw 실전 사용기: 아이디어 하나로 논문 초안 자동 생성

8 min read

연구자의 가장 지루한 순간을 자동화하라

“이 주제로 논문 한 편 써볼까?” — 연구자라면 누구나 한 번쯤 생각해본 문장입니다. 하지만 막상 시작하려면 문헌 조사, 가설 수립, 실험 설계, 코드 작성, 결과 분석, 논문 작성… 끝없는 단계가 기다립니다.

AutoResearchClaw는 이 전체 과정을 자동화하는 오픈소스 파이프라인입니다. 주제 하나만 입력하면 23단계를 거쳐 컨퍼런스 준비 완료된 논문을 출력합니다.

GitHub: aiming-lab/AutoResearchClaw | License: MIT | Python: 3.11+

AutoResearchClaw이 뭔가요?

aiming-lab에서 개발한 오픈소스 프로젝트로, 핵심 기능은 한 줄로 요약됩니다:

연구 아이디어를 입력 → 논문 + 실험 코드 + 차트 + BibTeX를 출력

23단계 파이프라인

파이프라인은 6개 Phase로 구성됩니다:

Phase A: Research Scoping (Stage 1-2)
  └─ 연구 목표 설정, 문제 분해

Phase B: Literature Discovery (Stage 3-7)
  └─ arXiv/Semantic Scholar에서 문헌 검색, 필터링, 심층 분석, 종합

Phase C: Hypothesis (Stage 8)
  └─ 가설 생성 + 연구 간극 도출

Phase D: Experiment (Stage 9-13)
  └─ 실험 설계, 코드 생성, 리소스 계획, 실행, 반복 개선

Phase E: Analysis (Stage 14-15)
  └─ 결과 분석, 통계 검증, 연구 결정 (PROCEED/REFINE/PIVOT)

Phase F: Paper (Stage 16-23)
  └─ 아웃라인, 초안, 리뷰, 최종본, LaTeX 변환

주요 특징

기능설명
자가 치유 (Self-Healing)실험 실패 시 자동으로 원인 분석 → 수정 → 재실행
PIVOT/REFINE 루프Stage 15에서 가설이 성립하지 않으면 자동으로 방향 전환
실제 문헌arXiv, OpenAlex, Semantic Scholar에서 검색 → 허구 인용 없음
샌드박스 실행Docker 또는 로컬에서 실제 코드 실행, GPU/CPU 자동 감지
다중 에이전트 리뷰4가지 관점에서 동료 심사 자동 수행
컨퍼런스 포맷NeurIPS, ICLR, ICML 템플릿으로 LaTeX 출력

단독 CLI부터 OpenClaw, Claude Code, Codex CLI, Gemini CLI까지 다양한 백엔드를 지원하며, Discord, Telegram, WeChat 등 메신저에서도 주제 하나 보내면 실행됩니다.

실전 사용기: Whisper 한국어 음성인식 연구

직접 “Whisper 기반 로컬 한국어 음성인식 도구 제작”이라는 주제로 실행해봤습니다.

환경

항목사양
하드웨어Apple M4 MacBook Air (32GB RAM, MPS GPU)
LLMZAI GLM-4.7 (api.z.ai)
Python3.14
주제Whisper + AutoResearch를 이용한 로컬 한국어 ASR

설치 & 설정

git clone https://github.com/aiming-lab/AutoResearchClaw.git
cd AutoResearchClaw
python3 -m venv .venv && source .venv/bin/activate
pip install -e .
# config.arc.yaml
project:
  name: "glm-research"
  mode: "full-auto"
 
research:
  topic: "Building a local Korean speech recognition tool using OpenAI Whisper..."
  daily_paper_count: 2
  quality_threshold: 5.0
 
llm:
  provider: "openai-compatible"
  base_url: "https://api.z.ai/api/coding/paas/v4"
  api_key_env: "ZAI_API_KEY"
  primary_model: "glm-4.7"
 
experiment:
  mode: "sandbox"
researchclaw run --config config.arc.yaml --auto-approve

결과

Stage 16/23 완료 — 총 소요 시간 약 1시간 30분

프로젝트명은 **KORA (Korean Optimized Recognition Adaptation)**로 자동 명명되었습니다.

단계상태산출물
Research Goal✅SMART 목표, 제약조건
Problem Decomposition✅4개 서브질문
Literature Discovery✅arXiv 문헌 검색
Synthesis✅연구 간극 도출
Hypothesis Generation✅3개 가설 수립
Experiment Design✅벤치마크, 메트릭, 절제연구
Code Generation✅Python 실험 코드 6개 (86KB)
Result Analysis✅차트 3장
Paper Outline✅NeurIPS 포맷 아웃라인
Paper Draft❌실험 메트릭 없어 차단

생성된 차트

메인 결과 비교

효율 분석

음소 분석

논문 아웃라인 (자동 생성)

AutoResearchClaw가 NeurIPS 포맷으로 생성한 아웃라인:

제목: KORA: Optimizing Whisper for Local Korean Speech Recognition

섹션내용분량
AbstractPMR+ 구조, 14.2% WER 달성200w
Introduction한국어 로컬 ASR 필요성, KORA 제안900w
Related WorkSSL, 언어별 ASR 적응, HPO700w
Method음성 중간 어댑터 + AutoResearch 최적화1,200w
ExperimentsKsponSpeech, WER/CER/RTF1,000w
Results13.8% WER, 절제 연구700w
Discussion교착어 특성 분석500w

마주친 문제들 (그리고 해결법)

1. Reasoning 모델의 빈 응답

GLM-5, GLM-4.7 같은 reasoning 모델은 content 필드를 비우고 reasoning_content에만 답변을 넣는 경우가 있습니다.

해결: client.py에서 strip_thinking_tags를 추가:

# researchclaw/llm/client.py
message = choice.get("message", {})
content = message.get("content") or ""
if content:
    from researchclaw.utils.thinking_tags import strip_thinking_tags
    stripped = strip_thinking_tags(content)
    if stripped:
        content = stripped

2. arXiv Rate Limit

arXiv API 전역 rate limit으로 429 에러. AutoResearchClaw는 내장 circuit breaker로 자동 대기/재시도합니다.

해결: daily_paper_count를 2~3으로 줄이면 요청 빈도 감소.

3. LLM Context Overflow

논문 전문을 프롬프트에 포함하면 payload가 2MB+가 되어 API 한계 초과.

해결:

  • daily_paper_count: 2로 제한
  • quality_threshold: 5.0으로 상위 논문만
  • ZhipuAI(128K) 대신 ZAI(200K) 엔드포인트 사용

4. 디스크 공간

artifacts가 대량 파일을 생성합니다. 실행 전 df -h로 확인하세요.

언제 쓰면 좋을까?

상황추천도
새로운 연구 주제 탐색⭐⭐⭐⭐⭐
초기 리터처처 서베이⭐⭐⭐⭐⭐
실험 설계 브레인스토밍⭐⭐⭐⭐
실제 논문 작성 (최종본)⭐⭐⭐
밤새 마감일 전 초안 작성⭐⭐⭐⭐⭐

한계

  • 실제 학습에는 GPU 필요: 샌드박스 모드에서는 인프라 검증만
  • 논문 품질: 초안 수준, 동료 심사 전 인간 검토 필수
  • 문헌 제한: arXiv에 없는 최신 연구는 누락 가능
  • LM 의존성: 환각(Hallucination) 가능성 항상 존재

결론

AutoResearchClaw는 연구의 “시작”을 극적으로 가속화합니다. 문헌 조사부터 실험 설계, 논문 아웃라인까지 — 보통 1-2주 걸리는 과정을 몇 시간 만에 완성할 수 있습니다.

물론 최종 검증은 연구자의 몫이지만, 백지상태에서 시작하는 것보다는 이미 구조화된 초안에서 수정하는 것이 훨씬 효율적입니다.

GLM 시리즈로 구동 가능하다는 점은 한국 연구자에게 매우 실용적입니다. GPT 계열 API 키가 없어도 ZhipuAI의 GLM-4-plus나 ZAI 엔드포인트를 사용하면 충분히 동작합니다.

AutoResearchClaw는 논문을 “써주는” 도구가 아니라, 연구의 “출발점”을 만들어주는 도구입니다. 결정적인 통찰과 실험은 여전히 인간의 몫입니다.

그래프 뷰