用途：把 arXiv 论文发现与实验实现、跟踪和迭代整合到统一工作流，帮助研究者在阅读新方法与实际编码实现之间搭桥，快速原型化论文思路、系统比较不同方案并维护有序的实验记录。
主要能力：arXiv 论文发现与筛选（按关键词、作者、引用速度过滤和排序，生成每日或每周摘要）；论文分析（提炼核心技术贡献、方法组件与超参数、基线对比、数据集与评估指标、可复现性评估）；技术提取（算法步骤、输入数据格式与预处理、算力需求、框架依赖、训练配方）；实验管理（项目结构初始化、配置文件、日志与指标跟踪、基线模型与数据管道、随机种子等复现清单）；实现辅助（实现计划、模型代码脚手架、损失函数与优化建议、常见问题排查、代码评审）；实验执行（超参数搜索空间、消融研究、指标跟踪、对比表与学习曲线、异常训练行为标记）；结果分析（统计检验、超参数影响、置信区间结果表、消融总结、与论文数值对照）。还覆盖可复现性、代码质量、资源管理等工程实践，以及与 Research-Claw 生态的衔接（文献检索、写作、分析、配置模板复用、协作共享）。
适用场景：想快速复现论文方法、做基线对比、消融研究、缩放分析、迁移学习和集成方法的机器学习研究者与工程师。
限制：资料未提供具体的安装命令、运行方式、支持平台、收费模式与实测效果，也未说明具体依赖要求，这些信息暂未提供。