AutoPR : Automatisons votre promotion académique !

AutoPR: Let's Automate Your Academic Promotion!

October 10, 2025

papers.authors: Qiguang Chen, Zheng Yan, Mingda Yang, Libo Qin, Yixin Yuan, Hanjing Li, Jinhao Liu, Yiyan Ji, Dengyun Peng, Jiannan Guan, Mengkang Hu, Yantao Du, Wanxiang Che

cs.AI

papers.abstract

Alors que le volume de recherches évaluées par les pairs augmente de manière exponentielle, les chercheurs se tournent de plus en plus vers les plateformes sociales pour découvrir des travaux, tandis que les auteurs consacrent des efforts considérables à promouvoir leurs publications afin d'assurer leur visibilité et d'obtenir des citations. Pour rationaliser ce processus et réduire la dépendance à l'effort humain, nous introduisons la Promotion Automatique (AutoPR), une nouvelle tâche qui transforme les articles de recherche en contenu public précis, engageant et opportun. Pour permettre une évaluation rigoureuse, nous publions PRBench, un benchmark multimodal qui relie 512 articles évalués par des pairs à des posts promotionnels de haute qualité, en évaluant les systèmes selon trois axes : Fidélité (exactitude et ton), Engagement (ciblage et attractivité du public) et Alignement (optimisation du timing et des canaux). Nous présentons également PRAgent, un cadre multi-agents qui automatise AutoPR en trois étapes : extraction de contenu avec préparation multimodale, synthèse collaborative pour des productions polies, et adaptation spécifique aux plateformes pour optimiser les normes, le ton et les tags afin de maximiser la portée. Comparé aux pipelines directs de LLM sur PRBench, PRAgent démontre des améliorations substantielles, notamment une augmentation de 604 % du temps de visionnage total, une hausse de 438 % des likes, et au moins un boost de 2,9x de l'engagement global. Les études d'ablation montrent que la modélisation des plateformes et la promotion ciblée contribuent le plus à ces gains. Nos résultats positionnent AutoPR comme un problème de recherche traitable et mesurable, et fournissent une feuille de route pour une communication scientifique automatisée, scalable et impactante.

English

As the volume of peer-reviewed research surges, scholars increasingly rely on social platforms for discovery, while authors invest considerable effort in promoting their work to ensure visibility and citations. To streamline this process and reduce the reliance on human effort, we introduce Automatic Promotion (AutoPR), a novel task that transforms research papers into accurate, engaging, and timely public content. To enable rigorous evaluation, we release PRBench, a multimodal benchmark that links 512 peer-reviewed articles to high-quality promotional posts, assessing systems along three axes: Fidelity (accuracy and tone), Engagement (audience targeting and appeal), and Alignment (timing and channel optimization). We also introduce PRAgent, a multi-agent framework that automates AutoPR in three stages: content extraction with multimodal preparation, collaborative synthesis for polished outputs, and platform-specific adaptation to optimize norms, tone, and tagging for maximum reach. When compared to direct LLM pipelines on PRBench, PRAgent demonstrates substantial improvements, including a 604% increase in total watch time, a 438% rise in likes, and at least a 2.9x boost in overall engagement. Ablation studies show that platform modeling and targeted promotion contribute the most to these gains. Our results position AutoPR as a tractable, measurable research problem and provide a roadmap for scalable, impactful automated scholarly communication.