El proyecto open-academic-paper-gen es una pipeline multiagente diseñada para transformar un tema de investigación en un borrador de paper académico, garantizando que cada cita se base en literatura real. A diferencia de los modelos de lenguaje que a menudo inventan referencias o asocian citas con afirmaciones no soportadas, esta herramienta recupera papers reales mediante búsquedas en OpenAlex, Crossref, Semantic Scholar y arXiv, obteniendo el texto completo en PDF cuando está disponible.
El sistema opera como una máquina de estados de LangGraph con nueve fases. Comienza con la definición del tema y la búsqueda de literatura, seguida de una limpieza y filtrado de papers relevantes. Luego, genera una tabla de evidencia y realiza un diagnóstico de novedad. El proceso de escritura se realiza sección por sección, utilizando marcadores [cite:KEY] que actúan como claves de acceso a la base de datos de literatura. La verificación es el núcleo del sistema: cada cita se valida en tres niveles. Primero, se comprueba que la clave se resuelva; segundo, se verifica la existencia del DOI y la coincidencia de metadatos en registros externos como Crossref; y tercero, se analiza si el paper citado realmente soporta la afirmación específica, utilizando el texto completo para localizar la evidencia exacta.
Si alguna verificación falla, la oración se marca y se revisa bajo restricciones estrictas antes de que pase a la siguiente etapa. El sistema incluye puertas de aprobación humana en cada fase y permite exportar el resultado en Markdown, LaTeX (con estilos GB/T 7714, APA 7 o numérico) o BibTeX. Está diseñado como un punto de partida para investigadores, no como un paper final, y ofrece opciones para escribir en inglés o chino con una mezcla configurable de literatura.