Story2Proposal: Un Andamiaje para la Redacción Estructurada de Artículos Científicos
Story2Proposal: A Scaffold for Structured Scientific Paper Writing
March 28, 2026
Autores: Zhuoyang Qian, Wei Shi, Xu Lin, Li Ling, Meng Luo, Ziming Wang, Zhiwei Zhang, Tengyue Xu, Gaoge Liu, Zhentao Zhang, Shuo Zhang, Ziqi Wang, Zheng Feng, Yan Luo, Shu Xu, Yongjin Chen, Zhibo Feng, Zhuo Chen, Bruce Yuan, Biao Wu, Harry Wang, Kris Chen
cs.AI
Resumen
La generación de manuscritos científicos requiere mantener la alineación entre el razonamiento narrativo, la evidencia experimental y los artefactos visuales a lo largo del ciclo de vida del documento. Los flujos de generación basados en modelos de lenguaje existentes se basan en una síntesis de texto no restringida, aplicando la validación solo después de la generación, lo que a menudo produce desviaciones estructurales, figuras o tablas faltantes e inconsistencias entre secciones. Presentamos Story2Proposal, un marco multiagente gobernado por contrato que convierte una historia de investigación en un manuscrito estructurado mediante agentes coordinados que operan bajo un contrato visual compartido persistente. El sistema organiza agentes arquitecto, escritor, refinador y renderizador alrededor de un estado de contrato que rastrea la estructura de secciones y los elementos visuales registrados, mientras que los agentes de evaluación proporcionan retroalimentación en un ciclo generar-evaluar-adaptar que actualiza el contrato durante la generación. Los experimentos en tareas derivadas del corpus de investigación Jericho muestran que Story2Proposal logró una puntuación de evaluación experta de 6.145 frente a 3.963 de DirectChat (+2.182) en backbones como GPT, Claude, Gemini y Qwen. En comparación con la línea base de generación estructurada Fars, Story2Proposal obtuvo una puntuación promedio de 5.705 frente a 5.197, lo que indica una consistencia estructural y una alineación visual mejoradas.
English
Generating scientific manuscripts requires maintaining alignment between narrative reasoning, experimental evidence, and visual artifacts across the document lifecycle. Existing language-model generation pipelines rely on unconstrained text synthesis with validation applied only after generation, often producing structural drift, missing figures or tables, and cross-section inconsistencies. We introduce Story2Proposal, a contract-governed multi-agent framework that converts a research story into a structured manuscript through coordinated agents operating under a persistent shared visual contract. The system organizes architect, writer, refiner, and renderer agents around a contract state that tracks section structure and registered visual elements, while evaluation agents supply feedback in a generate evaluate adapt loop that updates the contract during generation. Experiments on tasks derived from the Jericho research corpus show that Story2Proposal achieved an expert evaluation score of 6.145 versus 3.963 for DirectChat (+2.182) across GPT, Claude, Gemini, and Qwen backbones. Compared with the structured generation baseline Fars, Story2Proposal obtained an average score of 5.705 versus 5.197, indicating improved structural consistency and visual alignment.