Google Cloud AI Research a publié PaperOrchestra, un framework multi-agents qui convertit automatiquement des matériaux de recherche non structurés en articles académiques prêts pour publication. Le système prend comme entrée des notes de labo désordonnées, des résultats éparpillés et des données expérimentales brutes, puis produit des manuscrits LaTeX complets formatés pour des conférences spécifiques, avec revues de littérature, citations et visuels générés comme des graphiques et diagrammes. Dans les évaluations humaines contre les systèmes d'écriture autonome existants, PaperOrchestra a atteint des marges de victoire absolue de 50-68% pour la qualité des revues de littérature et 14-38% pour la qualité globale des manuscrits.
Ceci représente un changement significatif par rapport aux outils d'écriture IA actuels qui produisent soit du contenu générique, soit requièrent des pipelines expérimentaux rigides. L'écriture académique est restée largement intouchée par la vague d'automatisation IA qui a balayé le codage et la création de contenu, en partie parce que les articles de recherche demandent une synthèse profonde de matériaux éparpillés en narratifs cohérents. La capacité de générer des revues de littérature complètes avec des citations basées sur API adresse un des aspects les plus chronophages de l'écriture académique — quelque chose qui tue plusieurs articles avant qu'ils atteignent la soumission.
L'équipe a validé leur approche avec PaperWritingBench, un nouveau benchmark construit à partir de matériaux rétro-ingénierie de 200 articles de conférences IA de premier plan. Leur page projet montre des manuscrits échantillons générés pour les formats CVPR et ICLR, démontrant que le système peut gérer différentes exigences de conférences et templates LaTeX. L'architecture multi-agents du framework semble conçue pour gérer la nature complexe et itérative de l'écriture académique mieux que les approches à modèle unique.
Pour les chercheurs IA et institutions académiques, ceci pourrait réduire dramatiquement le goulot d'étranglement de publication. Les semaines typiquement passées à traduire des résultats expérimentaux en prose polie pourraient se réduire à des heures, accélérant potentiellement le rythme de communication scientifique. Cependant, des questions demeurent sur la vérification d'originalité et comment les conférences adapteront leurs processus de révision si les articles générés par IA deviennent monnaie courante.