Google AI Research представляет PaperOrchestra для автоматизации написания статей

Написание научной статьи может быть крайне сложным процессом. Даже после завершения экспериментов исследователь сталкивается с необходимостью перевести неупорядоченные лабораторные заметки, разбросанные таблицы результатов и полузавершенные идеи в аккуратно оформленный и логически связный текст, соответствующий требованиям конференции. Для многих начинающих исследователей этот процесс становится настоящим испытанием. Команда Google Cloud AI Research предложила решение под названием 'PaperOrchestra' — многоагентную систему, которая автономно преобразует неструктурированные материалы, такие как краткое содержание идеи и сырые экспериментальные данные, в готовую к отправке статью в формате LaTeX, включая обзор литературы, сгенерированные иллюстрации и проверенные API ссылки.

Ранее существовавшие автоматизированные системы, такие как PaperRobot, могли генерировать текстовые последовательности, но не справлялись с полной сложностью научного повествования, основанного на данных. Более современные автономные исследовательские фреймворки, такие как AI Scientist-v1 и его преемник AI Scientist-v2, автоматизировали весь исследовательский процесс, но их модули написания были тесно связаны с внутренними экспериментальными процессами. Их нельзя было просто использовать для написания статьи на основе предоставленных данных. Системы, специализирующиеся на обзорах литературы, такие как AutoSurvey2 и LiRA, создают обширные обзоры, но не обладают контекстной осведомленностью, необходимой для написания целевой секции, которая бы четко позиционировала новый метод относительно предыдущих исследований.

PaperOrchestra создана специально для того, чтобы заполнить эту нишу. Она включает пять специализированных агентов, работающих последовательно, два из которых функционируют параллельно. Первый агент создает структурированный JSON-очерк на основе краткого содержания идеи, экспериментальных данных и шаблона конференции. Затем параллельно работают агенты, отвечающие за создание визуализаций и обзор литературы. Они используют различные инструменты, чтобы проверить и подтвердить источники, которые затем используются для написания различных секций статьи.

Процесс завершается агентом по написанию секций, который интегрирует все ранее сгенерированные материалы и создает оставшиеся части статьи, такие как аннотация и методология. Последний этап включает оптимизацию текста с помощью системы имитации рецензирования, что значительно повышает качество итогового документа. Полный процесс требует примерно 60-70 вызовов API LLM и занимает в среднем 39,6 минуты на статью.

Кроме того, команда представила PaperWritingBench — первый стандартизированный бенчмарк, специально предназначенный для написания научных статей с использованием ИИ. Он включает 200 принятых статей с конференций CVPR 2025 и ICLR 2025, что позволяет тестировать адаптацию к различным форматам конференций.