改善學術工作流程：引入兩個AI代理以改進圖表製作和同行評審

學術研究正以前所未有的速度發展，而 AI 的快速進步是其主要驅動力。然而，學術研究的工作流程以嚴格著稱，遠不止構思想法和撰寫論文那麼簡單。研究人員面臨的一大挑戰是如何有效地視覺化他們的研究成果。雖然 AI 可以起草文本，但建立頂級會議和期刊所需的方法論示意圖和精確統計圖要困難得多。此外，科學界依賴同行評審來維護已發表研究的完整性，但論文提交量的指數級增長嚴重壓垮了這一系統，導致評審疲勞和評估不一致。隨著語言模型和多代理系統變得更加複雜，我們看到了它們不僅是研究物件，而且可以成為科學過程本身的積極參與者。

為此，我們引入了兩個新穎的代理框架：(i) PaperVizAgent（正式名稱為 PaperBanana），一個用於繪製學術圖表的視覺化代理；(ii) ScholarPeer，一個自動嚴格評估學術論文（包括內聯圖表）的評審代理。這些代理專為協助學術研究生命週期而設計，使科學家能夠專注於創新而非行政負擔。我們的評估表明，PaperVizAgent 始終生成專家級質量的圖表，顯著優於領先基線（GPT-Image-1.5、Nano-Banana-Pro、Paper2Any），而 ScholarPeer 則提供高度批判性、基於文獻的評審，超越了最先進的自動評審系統。

PaperVizAgent：生成出版就緒的圖表

PaperVizAgent 是一個自主框架，旨在從學術文本生成出版就緒的學術插圖。透過彌合技術描述與視覺傳達之間的差距，PaperVizAgent 允許研究人員直接從手稿中建立專業級圖表。啟動過程時，研究人員提供兩個輸入：源上下文（通常是包含研究技術細節的手稿方法部分）和溝通意圖（一份描述視覺應傳達內容的詳細圖表標題）。

PaperVizAgent 框架協調了一個由五個專門 AI 代理組成的協作團隊，包括：(1) 檢索器、(2) 規劃器、(3) 風格設計師、(4) 視覺化器和 (5) 評論家。首先，檢索器和規劃器代理收集參考（例如，現有文獻以引用相關學術圖表）並組織內容。接著，風格設計師代理綜合美學指南以確保輸出符合學術標準。然後，視覺化器渲染影像或為統計圖生成可執行的 Python 程式碼。最後，評論家代理根據原始文本評估輸出。如果發現不一致，評論家會向視覺化器代理提供有針對性的反饋，觸發迭代最佳化迴圈。透過迭代最佳化，這個多代理系統確保最終的插圖在視覺上吸引人且技術準確。

在全面實驗中，PaperVizAgent 始終優於領先基線——包括直接提示、少樣本提示和 Paper2Any（一種最先進的視覺化方法）。該系統使用比較評分指標（0-100 分，分數越高越好）在四個關鍵維度上進行了嚴格評估：忠實度、簡潔性、可讀性和美學。在此評估中，我們使用了一個以人工生成圖表為輸入的 LLM 判斷器，並將人工表現基線設為 50.0。PaperVizAgent 取得了令人印象深刻的總體得分 60.2，顯著超過了所有評估基線，如 GPT-Image-1.5、Nano-Banana-Pro 和 Paper2Any。值得注意的是，它是唯一在整體評分中超過人工基線 50.0 的框架。在具體維度上，該系統在簡潔性和美學方面尤為出色，在這兩個類別中的得分均遠高於人類閾值。它還在生成統計圖方面達到了與人類競爭的結果，證明了其多才多藝。這些結果代表了自動插圖的重大飛躍。

用 ScholarPeer 模擬資深評審員

ScholarPeer 是一個上下文感知、啟用搜尋的多代理框架，旨在透過遵循高階研究人員的工作流程來自動化和提升同行評審過程。與將評審視為簡單文本生成任務的標準語言模型不同，ScholarPeer 依賴於上下文獲取和主動驗證的雙流過程。它使用子領域歷史學家代理動態構建領域敘述，該代理將評審立足於即時的網路規模文獻。基線偵察員扮演對抗性審計員的角色，專門尋找作者可能遺漏的資料集或比較基線。最後，一個多方面的問答引擎嚴格驗證論文的技術主張，確保深入且基於事實的批評。最終的評審報告包括詳細摘要、優勢、劣勢以及對作者的問題，就像標準專家同行評審一樣。

ScholarPeer 的表現展示了將主動網路搜尋與多代理編排相結合用於學術評估的巨大潛力。在廣泛的公共資料集上測試時，ScholarPeer 在並排評估中實現了對最先進的自動評審方法顯著的勝率。更重要的是，該系統的主動驗證工作流程大大縮小了 AI 生成的反饋與人類級別多樣性之間的差距，產生的評審高度批判性、現實且深深植根於現有文獻。

PaperVizAgent 和 ScholarPeer 是我們更廣泛的 AI 輔助研究探索的一部分。透過解決出版生命週期中兩個不同但同樣要求嚴格的階段，這些工具充當了協作夥伴，提升了科學話語的質量，並且可以與其他工具一起加速知識的傳播。雖然這兩個框架為學術界提供了即時而切實的好處，但它們只是我們旅程的開始。我們設想一個未來，研究人員可以訪問一個豐富、互聯的 AI 助手生態系統，無縫整合到科學工作流程的每一個方面，我們正在積極繼續這一領域的工作。