PaperMentor: Un tutor de escritura multiagente centrado en el ser humano para artículos de investigación en IA en Overleaf

Resumen

La retroalimentación experta de investigadores experimentados es fundamental para que los académicos en etapas tempranas mejoren sus manuscritos; sin embargo, la retroalimentación de alta calidad suele ser escasa, ya que la revisión de artículos de investigación requiere mucho trabajo. Los asistentes de escritura basados en inteligencia artificial emergentes se centran principalmente en corregir la gramática o simular la revisión por pares con puntuaciones finales, pero no logran proporcionar sugerencias concretas y accionables que ayuden a los estudiantes a mejorar sus artículos durante el proceso de redacción. Presentamos PaperMentor, un sistema de asistencia a la escritura centrado en el ser humano que ofrece sugerencias accionables en forma de comentarios nativos en Overleaf, dejando la redacción real completamente a los autores humanos. PaperMentor integra una biblioteca de habilidades expertas cuidadosamente seleccionada a partir de consejos de escritura de investigadores consolidados, con 12 agentes especializados que cubren diferentes aspectos de la redacción de artículos, como el cumplimiento del formato, la precisión en la redacción y la coherencia terminológica. En un estudio de usuarios (n=14), el 90.6% de los comentarios generados fueron calificados como accionables y el 67.5% como válidos, superando significativamente a un modelo base GPT-5.2 sin la biblioteca de habilidades. Publicamos PaperMentor como código abierto para uso público. Nuestro código está disponible públicamente bajo la licencia AGPL-3.0 en https://github.com/jiarui-liu/overleaf.

English

Expert writing feedback from experienced researchers is critical for early-career scholars to improve their manuscripts, yet high-quality feedback often remains scarce because reviewing research papers is labor-intensive. Emerging AI-powered writing assistants largely focus on grammar fixes or simulating peer review with final scores, yet they fall short of providing concrete, actionable suggestions that help students improve their papers during drafting. We present PaperMentor, a human-centered writing assistant system that delivers actionable suggestions as Overleaf-native inline comments while leaving the actual writing entirely to human authors. PaperMentor integrates an expert skill library carefully curated from established researchers' writing advice with 12 specialized agents covering different aspects of paper writing, such as formatting compliance, phrasing accuracy, and terminology consistency. In a user study (n=14), 90.6% of the generated comments were rated actionable and 67.5% were rated valid, significantly outperforming a GPT-5.2 baseline uswithout the skill library. We release PaperMentor as open source for public use. Our code is publicly available under the AGPL-3.0 license at https://github.com/jiarui-liu/overleaf