PapersFlow para investigación en informática e IA
Acelera la investigación en informática e IA con búsqueda de doble fuente en Semantic Scholar y OpenAlex (474M+ artículos), descubrimiento de código en GitHub, análisis de redes de citación y un entorno aislado de Python para ejecutar experimentos.
Busca en Semantic Scholar y OpenAlex (474M+ artículos), descubre repositorios de GitHub, analiza redes de citación y ejecuta experimentos en Python: un asistente de investigación con IA creado para investigadores de informática e IA.
La investigación en informática e IA avanza a un ritmo que vuelve obsoletos los métodos tradicionales de revisión bibliográfica en cuestión de semanas. Cada día aparecen nuevos preprints en arXiv, las clasificaciones de benchmarks cambian constantemente y el código que necesitas para reproducir un resultado está disperso en repositorios de GitHub con enlaces rotos. Mantenerse al día requiere seguir simultáneamente artículos, código, conjuntos de datos y benchmarks: un flujo de trabajo para el que ninguna herramienta individual fue diseñada.
Lo que puedes hacer
- Búsqueda de doble fuente (Semantic Scholar + OpenAlex)
- Descubrimiento de código en GitHub
- Comparación de benchmarks (asistida por IA)
- Análisis de redes de citación
Herramientas
Comparar
Frequently Asked Questions
- ¿Puede PapersFlow encontrar código para artículos que no incluyen un enlace de GitHub?
- Sí. PapersFlow utiliza múltiples estrategias de búsqueda más allá de la extracción de URL: busca por título del artículo y nombre del método, examina perfiles de GitHub de los autores y busca patrones de código distintivos mencionados en el artículo. Encuentra repositorios para aproximadamente el 60% de los artículos que no incluyen un enlace explícito.
- ¿Qué tan actuales son los artículos? ¿Incluye preprints recientes de arXiv?
- PapersFlow busca tanto en Semantic Scholar como en OpenAlex, cubriendo más de 474M artículos, incluidos preprints de arXiv. Los artículos nuevos suelen aparecer en cuestión de días tras su publicación. Para los preprints más recientes, también puedes pegar directamente una URL de arXiv.
- ¿Puedo ejecutar análisis personalizados en Python sobre los artículos que encuentre?
- Sí. El entorno aislado de Python viene precargado con sklearn, networkx, pandas, numpy, scipy, matplotlib y seaborn. Puedes analizar redes de citación, generar gráficos comparativos de benchmarks, ejecutar pruebas estadísticas o procesar cualquier dato extraído de tu sesión de investigación.
- ¿Es compatible con el formato de citación IEEE?
- Sí. PapersFlow admite el formato de citación IEEE tanto para citas en el texto como para listas de referencias. Puedes exportar LaTeX con comandos \cite{} compatibles con IEEE y un archivo .bib correctamente formateado, listo para plantillas de conferencias o revistas IEEE.