
把「想法 + 实验日志」交给五个 Agent,Google 想让它直出投稿级 LaTeX
Google Cloud AI Research 把写论文拆成大纲、文献、分节、润色、绘图五个 agent,输入想法与实验日志,直接产出符合会议模板的 LaTeX 稿件。
相关标签
AI 能不能写论文的讨论,大多停在「文笔像不像」这一层。但真正耗时间的从来不是句子,而是从一堆实验日志里理出主线、把相关工作读够、把图排进版面、把格式套进会议模板。Google Cloud AI Research 开源的 PaperOrchestra 把这条链路拆成五个专职 agent,做的正是后半段。
输入是两个目录:--raw_materials_dir 放原始的写前材料(一个想法、实验记录、结果表格都行),--latex_template_dir 放目标会议的 LaTeX 模板。输出是一份投稿形态的稿件——不是 Markdown 草稿,而是按模板排好、能直接编译的 LaTeX。中间由 Outline、Literature Review、Section Writing、Content Refinement、Plotting 五个 agent 接力:先出大纲,再检索并排序相关文献、把它们整合进正文,然后分节写作、反复打磨,最后由绘图 agent 从代码生成图表,也支持插入概念示意图。加 --use_plotting true 才会启用绘图工作流,默认是关的。
模型侧留了选择权:写作与文献 agent 用 --writer_model_name 指定,反思与润色 agent 用 --reflection_model_name,两者可以不同。后端支持 Gemini(GEMINI_API_KEY,或 Vertex AI 的 project / location)与 OpenAI(OPENAI_API_KEY);文献检索需要 Semantic Scholar 的 key。模板可扩展,在 templates/ 下按会议建子目录即可,README 的示例是 templates/cvpr2025。
仓库里还有一个容易被忽略的部分:autoraters/。既然生成论文,就得评估论文,这套自动评审脚本是作者用来衡量流水线产出的配套件;frontend/ 则是一个 Streamlit 交互 demo,可以拖材料进去看每一步的输出,不想只跑 CLI 的话更直观。
需要提前知道两个边界。第一,用于生成论文的数据集没有随仓库发布,README 说会稍后单独放出,需要自行放到 datasets/ 下——这意味着现在拿到的是流水线,不是「一键复现论文」的完整包。第二,README 明确写着这不是 Google 官方支持的产品,属于研究团队的公开代码。
从工程角度看,它的价值在于把「论文」当成一个有明确交付物(可编译的 LaTeX + 图表 + 引用)的构建产物:五个 agent 各管一段,出错时能定位到大纲、文献还是排版。这比「让大模型写一篇论文」更容易嵌进真实的研究工作流——尤其是需要按会议模板反复重排的时候。风险也很直接:文献综述部分的取舍与引用准确性仍需人工核查,自动评审不能替代同行评审。
项目为 Apache-2.0,Python 3.11 + Conda 环境,按 README 五步即可跑通 CLI。作者同时挂出了对应论文的引用信息(arXiv:2604.05018)。
更多资讯
想看更多优质内容?
浏览所有资讯