Devotd Github
새 소식AI 에이전트

sddzlsc/sciforge v0.2.0 — 문헌부터 GPU 실험까지 잇는 연구 하네스

sddzlsc/sciforge는 문헌 탐색부터 GPU 실험과 논문 작성까지 딥러닝 연구 흐름을 지원하는 로컬 우선 하네스다.

저장소 정보sddzlsc/sciforge ↗

sddzlsc/sciforge는 문헌 탐색부터 GPU 실험과 논문 작성까지 딥러닝 연구 흐름을 지원하는 로컬 우선 하네스다.

GitHub 설명: Local-first research agent harness for deep learning: literature → reading → ideas → GPU experiments → papers & publication figures. DeepSeek-powered, custom OpenAI-compatible LLMs, SSH GPU orchestration.

스타
★ 8
포크
0
언어
Python
라이선스
MIT
최신 릴리스
v0.2.0
원문 보기 ↗GitHub에서 보기 ↗

sddzlsc/sciforge는 딥러닝 연구의 문헌 탐색과 심층 독해부터 아이디어 도출, GPU 실험, 논문 작성과 출판용 그림 제작까지 지원하는 로컬 우선 리서치 에이전트 하네스다. 최신 릴리스는 v0.2.0이다. 제공된 기록에는 이 버전에서 무엇이 바뀌었는지 나와 있지 않다.

이 프로젝트는 Skills, Tools, Pipelines와 로컬 웹 콘솔로 연구 흐름을 구성한다. DeepSeek 기반이며, 사용자 지정 OpenAI 호환 LLM과 SSH를 통한 원격 GPU 작업을 지원한다. 문헌 탐색에서 만든 아이디어 카드는 실험 단계로 이어지고, 프로젝트 상태는 research-state.yaml, findings.md, research-log.md에 걸쳐 공유된다. SSH와 tmux 또는 Slurm으로 GPU 작업을 연결하며, 로컬 콘솔은 127.0.0.1에 바인딩된다. LLM 호출 기록을 감사할 수 있고, 실험 수치는 results/ 파일과 대조하도록 설계됐다. Python으로 작성됐으며 MIT 라이선스를 사용한다.

다만 기록된 설계만으로 연구 결과의 정확도나 실험 품질을 확인할 수는 없다. 실제 검증 품질을 보여 주는 자료는 제공되지 않았고, 근거의 대부분은 README의 자기 설명이다. 문헌과 대화에 머무르지 않고 실험 실행까지 잇는 구조는 참고할 만하지만, 산출물의 신뢰성은 별도 근거가 없어 판단하기 이르다.