Paper Circle: 오픈소스 기반 다중 에이전트 연구 발견 및 분석 프레임워크

초록

과학 문헌의 급속한 성장으로 연구자들이 관련 연구를 효율적으로 발견, 평가, 종합하는 것이 점점 더 어려워지고 있습니다. 최근 다중 에이전트 대규모 언어 모델(LLM)의 발전은 사용자 의도 이해에 대한 강력한 잠재력을 보여주며 다양한 도구 활용을 학습하고 있습니다. 본 논문에서는 학술 문헌을 찾고, 평가하고, 체계화하고, 이해하는 데 필요한 노력을 줄이기 위해 설계된 다중 에이전트 연구 발견 및 분석 시스템인 Paper Circle을 소개합니다. 이 시스템은 상호 보완적인 두 가지 파이프라인으로 구성됩니다: (1) 여러 출처의 오프라인 및 온라인 검색, 다중 기준 점수화, 다양성 인지 순위 지정, 구조화된 출력을 통합하는 발견 파이프라인; (2) 개별 논문을 개념, 방법, 실험, 그림 등의 유형화된 노드가 있는 구조화된 지식 그래프로 변환하여 그래프 인지 질의응답 및 커버리지 검증을 가능하게 하는 분석 파이프라인. 두 파이프라인 모두 코더 LLM 기반 다중 에이전트 오케스트레이션 프레임워크 내에서 구현되며, 각 에이전트 단계에서 JSON, CSV, BibTeX, Markdown, HTML을 포함한 완전히 재현 가능하고 동기화된 출력을 생성합니다. 본 논문은 Paper Circle 연구 워크플로우를 구성하는 시스템 아키텍처, 에이전트 역할, 검색 및 점수화 방법, 지식 그래프 스키마, 평가 인터페이스에 대해 설명합니다. 논문 검색 및 논문 리뷰 생성 과제에서 Paper Circle의 성능을 벤치마크하여 히트율, MRR, K에 대한 재현율을 보고합니다. 결과는 더 강력한 에이전트 모델을 사용할 때 지속적인 성능 향상을 보여줍니다. 웹사이트(https://papercircle.vercel.app/)와 코드(https://github.com/MAXNORM8650/papercircle)를 공개했습니다.

English

The rapid growth of scientific literature has made it increasingly difficult for researchers to efficiently discover, evaluate, and synthesize relevant work. Recent advances in multi-agent large language models (LLMs) have demonstrated strong potential for understanding user intent and are being trained to utilize various tools. In this paper, we introduce Paper Circle, a multi-agent research discovery and analysis system designed to reduce the effort required to find, assess, organize, and understand academic literature. The system comprises two complementary pipelines: (1) a Discovery Pipeline that integrates offline and online retrieval from multiple sources, multi-criteria scoring, diversity-aware ranking, and structured outputs; and (2) an Analysis Pipeline that transforms individual papers into structured knowledge graphs with typed nodes such as concepts, methods, experiments, and figures, enabling graph-aware question answering and coverage verification. Both pipelines are implemented within a coder LLM-based multi-agent orchestration framework and produce fully reproducible, synchronized outputs including JSON, CSV, BibTeX, Markdown, and HTML at each agent step. This paper describes the system architecture, agent roles, retrieval and scoring methods, knowledge graph schema, and evaluation interfaces that together form the Paper Circle research workflow. We benchmark Paper Circle on both paper retrieval and paper review generation, reporting hit rate, MRR, and Recall at K. Results show consistent improvements with stronger agent models. We have publicly released the website at https://papercircle.vercel.app/ and the code at https://github.com/MAXNORM8650/papercircle.

Paper Circle: 오픈소스 기반 다중 에이전트 연구 발견 및 분석 프레임워크

Paper Circle: An Open-source Multi-agent Research Discovery and Analysis Framework

초록

Support