GivePap legge i tuoi PDF, le tue Excel, i tuoi script R, e ti restituisce una bozza di paper scientifico strutturato β Introduction, Methods, Results, Discussion, Conclusion + References con DOI veri. Non scriviamo il paper al posto tuo: ti restituiamo 3 settimane al mese.
Un draft Markdown strutturato sezione per sezione, con citazioni verificate via DOI lookup e tag onesti [NEEDS DETAIL] dove il dato sperimentale manca davvero.
[NEEDS DETAIL] dove il dato manca β non inventa il vuoto.ChatGPT con un prompt genera una pagina che sembra un paper. Niente coerenza tra sezioni. DOI allucinati. Numeri inventati. GivePap usa 6 agenti specializzati che cooperano β e si controllano a vicenda.
L'obiezione standard contro l'AI sui paper Γ¨: "inventa i numeri". Γ vera per ChatGPT puro. Non Γ¨ vera qui β perchΓ© un secondo agente, indipendente, riapre il file e re-verifica ogni cifra del draft contro la cella sorgente.
| lactation_stage | F_value | p_value |
|---|---|---|
| Early | 3.31 | < 0.001 |
| Mid | 2.84 | 0.003 |
| Late | 1.97 | 0.041 |
"ANOVA revealed a significant effect of lactation stage on miR-148a expression (F(9,452)=3.31, p<0.001), with early-lactation cows showing 2.3-fold higher levels than late-lactation cows."
Niente numeri plausibili. Niente DOI allucinati. Niente citazioni fatte sembrare reali.
Un secondo agente riapre le Excel e re-verifica ogni numero del draft. Mismatch β flag visibile.
Ogni [Author Year] passa per PubMed E-utilities, CrossRef e OpenAlex. Se non c'Γ¨, viene flaggata.
Quando il dato sperimentale manca davvero (es. modello dello spettrometro), il tag resta. Niente silent invention.
Ogni citazione passa per una catena di lookup esterni. Il formato finale Γ¨ pluggable β la stessa pipeline produce JDS o Nature o IEEE senza riscrivere il paper.
Chain di fallback: se PubMed non trova un DOI, prova CrossRef. Se anche CrossRef no, OpenAlex. Se nessuno β flag esplicito sulla citation, non viene inventata.
Stile selezionabile a livello di run. Cambi tier o cambi target journal, ri-generi senza riscrivere β il formatter Γ¨ separato dal writer.
Quattro casi in cui ti diciamo direttamente di guardare altrove. Preferiamo perdere un cliente che vendergli un tool che non gli serve.
Backend Python 3.12 / FastAPI con 15.600 righe di codice, 24 endpoint REST, 7 tabelle DB, Pipeline multi-agent in test con ricercatori partner. Deploy via Docker Compose, dati self-hosted in EU.
Modello primary per i tier alti. Sonnet 4.6 per il fast draft. Routing tier-aware.
Dati nel tuo perimetro. Anthropic zero-retention opt-out attivo sulla pipeline.
PostgreSQL 16 + estensione pgvector per embedding semantico sui PDF caricati.
6 agenti specializzati, orchestrazione via Redis 7 + RQ worker.
JDS, Vancouver, APA, Nature, Cell, ACS, ACM, IEEE, PhysRev, Elsevier Harvard, Harvard.
Tre formati di output. Markdown Γ¨ la sorgente, DOCX e PDF generati al volo.
Esporti i file in qualunque momento. La pipeline produce un draft, non un servizio di hosting.
Stiamo facendo test reali con ricercatori partner. I numeri pubblici arrivano dopo questa fase.
Deploy single-file. Next.js 15 + React 19 frontend, FastAPI backend, Postgres, Redis.
Beta privata aperta a 10 ricercatori partner β gratuita per 3 mesi in cambio di feedback strutturato. Stai costruendo un paper adesso? Mostriamoci β ti facciamo girare la pipeline sul tuo dataset, vedi il draft, decidi se ti serve.