콘텐츠로 이동

컨텍스트 맵

이 페이지의 목적

이 페이지는 PaperSens의 원본 파일 처리, 증거 생성, 최종 리뷰 합성 사이의 관계를 전략 수준에서 보여주는 페이지다.

Upstream Downstream 관계 번역 책임 변경 비용 메모
Manuscript Intake & Session Workspace Content Extraction & Canonicalization Customer/Supplier extraction이 업로드 원본을 공통 분석 표현으로 바꾼다. 입력 형식이 늘어나면 extraction 경계가 가장 먼저 흔들린다.
Content Extraction & Canonicalization Dataset Provenance Analysis Published Language 정규화된 본문과 citation 단서를 dataset 분석 입력으로 제공한다. parser 출력 형식이 바뀌면 dataset 분석 prompt와 parser 둘 다 수정된다.
Content Extraction & Canonicalization Figure Intelligence Published Language figure image, caption, context를 figure 분석 언어로 제공한다. figure extraction 품질이 figure 판단 정확도를 직접 좌우한다.
Dataset Provenance Analysis Editorial Assessment & Reporting Customer/Supplier dataset artifact를 review 근거로 제공한다. provenance schema가 바뀌면 review synthesis도 함께 바뀐다.
Figure Intelligence Editorial Assessment & Reporting Customer/Supplier figure quality와 consistency 결과를 review와 summary에 반영한다. review가 figure 용어를 강하게 의존하므로 coupling이 높다.
Model Orchestration & Runtime Integration Dataset Provenance Analysis Supporting 텍스트 모델 선택과 timeout을 제공한다. 모델 교체 시 분석 규칙보다 호출 정책 수정이 중심이다.
Model Orchestration & Runtime Integration Figure Intelligence Supporting VLM 라우팅과 fallback을 제공한다. 모델 품질 변화가 figure 결과 해석에 영향을 준다.
Editorial Assessment & Reporting Presentation/API Layer Open Host Service 최종 review, summary, translation을 사용자 표면에 노출한다. 출력 포맷 변경은 UI와 API 계약에 직접 영향을 준다.

현재 해석

  • PaperSens의 핵심은 세션 기반 근거 누적 분석이다.
  • dataset와 figure는 병렬 기능처럼 보이지만, 최종 review에서 하나의 editorial judgement로 수렴한다.

확인 소스

  • papersens/QUICKSTART.md
  • papersens/web_ui.py
  • papersens/index.html