Resumen: Los avances en la investigación asistida por AI han introducido herramientas poderosas para la recuperación de la literatura, generación de hipótesis, experimentación y preparación de manuscritos. Sin embargo, los sistemas permanecen fragmentados y carecen de flujos de trabajo centrados en humanos. Para abordar estas brechas, presentamos un marco colaborativo de AISSistant, de código abierto, de código abierto, diseñado para simplificar la creación de flujos de trabajo científicos de extremo a extremo. Dado que nuestro desarrollo aún está en una etapa temprana, presentamos aquí los primeros experimentos con Aissistant para perspectiva y revisamos los trabajos de investigación en el aprendizaje automático. Nuestro sistema integra herramientas y agentes modulares para la síntesis de literatura, experimentación en forma de sección, gestión de citas y generación automática de texto de papel de látex, al tiempo que mantiene la supervisión humana en cada etapa para garantizar la precisión, la coherencia y el rigor académico. Llevamos a cabo una evaluación integral en tres capas: (1) revisión humana independiente, siguiendo los estándares de doble ciego de Neurips; (2) revisión automatizada de LLM, utilizando GPT-5 como un proxy escalable de revisión humana; y (3) supervisión del presidente del programa, donde el presidente monitorea todo el proceso de revisión y toma decisiones finales de validación y aceptación. Los resultados demuestran que Aissistant mejora la eficiencia de redacción y la consistencia temática. No obstante, la colaboración Human-AI sigue siendo esencial para mantener la corrección objetiva, la solidez metodológica y el cumplimiento ético. A pesar de su efectividad, identificamos limitaciones clave, incluidas las citas alucinadas, la dificultad para adaptarse a las estructuras de papel dinámico e integración incompleta del contenido multimodal.
Publicado Originalme en export.arxiv.org El 16 de septiembre de 2025.
Ver Fuente Original
