科研人福音！PaperOrchestra 把实验日志变投稿论文，文献综述图表全包

AI能替你写论文了？谷歌这个多智能体框架，从实验记录直接生成投稿级论文！

研究背景

做AI研究的人都懂那种痛苦：实验跑完了，数据也有了，但把这些东西整理成一篇像样的论文，往往比做实验本身还费劲。文献综述要翻几百篇paper、图表要一个个画、LaTeX格式要反复调……这个"最后一公里"问题，其实一直没有被很好地解决。

现有的自动化写作工具要么太窄——只能做文献综述（比如AutoSurvey2、LiRA），要么太死板——必须绑定在特定的实验流水线里才能用（比如AI Scientist）。换句话说，你没办法拿着自己的实验记录去用这些工具，它们根本不接受"散装输入"。

谷歌这篇论文提出的PaperOrchestra，想做的事情很直接：给它一份想法摘要和实验日志，它帮你输出一篇能投会议的完整LaTeX论文——包括文献综述、图表、公式，全套齐活。

为了衡量这件事做得好不好，他们还顺带搭了个PaperWritingBench，从CVPR 2025和ICLR 2025共200篇论文中反向工程出原始材料，建了业内第一个标准化的论文写作评测集。

相关工作

这个领域可以粗略分成两派。

一派是端到端的AI科研框架，代表是AI Scientist系列。它们的思路是把"提出假设→跑实验→写论文"整个科研循环全部自动化。但问题在于，写作模块跟它们自己的实验流水线是死死绑在一起的，没法单独拿出来用，更没法接受人类研究者自己提供的材料。

另一派是专注于文献综述的系统，比如AutoSurvey2和LiRA，它们在生成长篇综述方面做得不错，但目标是写"调研报告"，而不是写"研究论文"。它们不懂怎么从自己的工作出发去定位研究空白、对比baseline，缺乏写一篇完整论文所需要的"自我意识"。

PaperOrchestra的定位就是填这个缝：既能接受非结构化的散装输入，又能输出完整的投稿级论文，还能生成概念示意图——这是之前所有系统都做不到的组合。

核心方法

整个框架分五步走，其中第二步和第三步并行执行：

Step 1 生成大纲：Outline Agent读入所有输入材料，产出一个JSON格式的结构化大纲。这个大纲包含三部分：可视化计划（要画什么图）、文献检索策略（宏观背景和具体方法论的检索方向）、以及章节写作计划（每个章节写什么、要引哪些文献）。这一步相当于给后续所有agent铺路。

Step 2 生成图表：Plotting Agent根据可视化计划，同时生成数据统计图和概念示意图。它用了一个叫PaperBanana的闭环优化模块，会用视觉语言模型反复检查生成的图有没有问题，不行就改、改完再生成，直到满意为止。

Step 3 文献综述：Literature Review Agent执行Step 1定好的检索策略，做的是"先用LLM搜，再用Semantic Scholar API验证"的双重核查流程。找到的文献会做去重、截止日期过滤，最后自动生成.bib文件，并完成Introduction和Related Work两个章节的初稿。

Step 4 正文写作：Section Writing Agent拿着前面所有产出，补全剩余章节——Abstract、Methodology、Experiments、Conclusion，同时把生成的图表无缝嵌进LaTeX源文件里。

Step 5 迭代精炼：Content Refinement Agent用AgentReview系统模拟同行评审，拿到反馈后对LaTeX源文件做针对性修改。有个关键细节：只有总分提升（或持平但细分项净正增益）才接受修改，一旦分数下降就立刻回滚——相当于给写作加了个"版本控制"。

整个流程的输入输出可以用一个公式表达：

P=(Ptex,Ppdf)=W(I,E,T,G,F)P = (P_{\text{tex}}, P_{\text{pdf}}) = W(\mathcal{I}, \mathcal{E}, \mathcal{T}, \mathcal{G}, \mathcal{F})P=(Ptex​,Ppdf​)=W(I,E,T,G,F)

I\mathcal{I}I是想法摘要，E\mathcal{E}E是实验日志，T\mathcal{T}T是LaTeX模板，G\mathcal{G}G是会议要求，F\mathcal{F}F是可选的现有图表（不提供就全部自动生成）。

实验效果

评测维度比较全面，有自动评分、也有真人评估。

在人工并排评比（SxS）中，11位AI研究员对40篇论文进行了人工评估。结果是：PaperOrchestra在文献综述质量上比AI基线高出50%–68%的绝对胜率差，在整体论文质量上高出14%–38%。和人类写的原版论文相比，文献综述方面还能打出43%的平局/胜率——相当能打。

模拟接收率方面，在ScholarPeer评审系统下，PaperOrchestra的CVPR论文模拟接收率达到84%，ICLR达到81%，而人类原版论文是86%和94%——差距很小。

引用覆盖率上，竞品baseline平均只引9–14篇文献，F1分数看起来还不错，但那是因为分母小——实际上P1（好引但非必引）的召回率几乎是0。PaperOrchestra平均引用45–48篇，更接近人类写作的~59篇水平，P1召回率比最强基线高出12–14个百分点。

消融实验挖出了两个有意思的结论：一是即便只给非常粗糙的"稀疏想法"作为输入，文献综述质量几乎没有下降，说明Literature Review Agent的自主检索能力很强；二是Content Refinement Agent的迭代精炼让论文接收率提升了19%（CVPR）和22%（ICLR），总分分别提升0.88和1.61分，这一步的收益非常可观。

论文总结

写论文这件事，最难的不是有想法，而是把想法变成一篇有逻辑、有文献支撑、有图表佐证的完整稿件。PaperOrchestra用多智能体分工的方式，把这个过程拆解成可以并行、可以迭代优化的若干步骤，证明了从"实验日志"到"投稿级论文"的全程自动化，在今天的技术条件下已经是可行的——而且质量能跟人类写的论文打个有来有回。