PaperOrchestra：面向AI研究论文自动写作的多智能体框架

将非结构化研究材料综合成稿件是AI驱动的科学发现中一项重要但探索不足的挑战。现有自主写作器与特定实验流水线刚性耦合，且产出浅表的文献综述。我们提出PaperOrchestra，一个用于AI研究论文自动写作的多智能体框架。它将无约束的写作前材料灵活转化为可投稿的LaTeX稿件，包括全面的文献综合与生成的可视化内容，如图表与概念图。为评估性能，我们提出PaperWritingBench，首个以从200篇顶级AI会议论文反向工程得到的原始材料构成的标准化基准，并配套一套全面的自动评估器。在并排人工评估中，PaperOrchestra显著优于自主基线，文献综述质量的绝对胜率差距达50%-68%，整体稿件质量的绝对胜率差距达14%-38%。