Spark-to-Paper：端到端研究论文生成作为一种可组合技能

将研究想法转化为完整的论文需要的不仅仅是文本生成：系统必须检索文献、设计和执行实验、根据证据修改主张、生成可供发表的图表，并在漫长的生成过程中保持一致性。我们推出了 Spark-to-Paper，这是一种端到端研究论文生成系统，在现有编码助手中实现为 13 种可组合技能，无需单独的代理平台或编排服务。 Spark-to-Paper将基于模型的判断与可以直接执行和检查的确定性操作分开。它进一步将实验计划与报告分开，以便在观察结果之前指定所需的证据，并根据测量结果修改手稿声明。为了提高长期研究轨迹的可靠性，该系统将确定性完整性检查与自我批评相结合，并限制了我们称为“自我反驳循环”的失败模式，在这种模式中，重复的实验继续拒绝最初的研究目标。 Spark-to-Paper 还通过实验结果的编程绘图和生成的方法图的基于代码的重建来生成可编辑的矢量图。在八个受控研究主题中，Spark-to-Paper 实现了 99.5% 的引文有效性和 96.4% 的图形可编辑性。受控烧蚀将制造检测率从单次草稿的 14% 提高到完整完整性和审查堆栈的 92%，而对抗性审查则实现了 74% 的精度。整个系统使用 1190 万个词元，每份稿件成本为 8.1 美元，平均需要 3.2 小时。这些结果表明，端到端研究论文生成可以作为现有编码助手中的轻量级、可组合工作流程来实现，同时使实验证据成为如何接受、修改或放弃声明的核心。