PaperMentor : un tuteur d'écriture multi-agent centré sur l'humain pour les articles de recherche en IA sur Overleaf

Résumé

Les retours d’experts expérimentés sont essentiels pour permettre aux jeunes chercheurs d’améliorer leurs manuscrits, mais les retours de qualité restent souvent rares car l’évaluation d’articles de recherche demande beaucoup de travail. Les assistants d’écriture basés sur l’IA se concentrent principalement sur des corrections grammaticales ou la simulation d’une relecture par les pairs avec des notes finales, mais ils ne fournissent pas de suggestions concrètes et exploitables pour aider les étudiants à améliorer leurs articles pendant la phase de rédaction. Nous présentons PaperMentor, un système d’assistant d’écriture centré sur l’humain qui fournit des suggestions exploitables sous forme de commentaires en ligne natifs d’Overleaf, tout en laissant l’écriture réelle entièrement aux auteurs humains. PaperMentor intègre une bibliothèque de compétences expertes soigneusement élaborée à partir des conseils d’écriture de chercheurs établis, avec 12 agents spécialisés couvrant différents aspects de la rédaction d’articles, tels que la conformité à la mise en forme, la précision de la formulation et la cohérence terminologique. Lors d’une étude utilisateur (n=14), 90,6 % des commentaires générés ont été jugés exploitables et 67,5 % valides, surpassant significativement une référence GPT-5.2 sans la bibliothèque de compétences. Nous publions PaperMentor en open source pour un usage public. Notre code est disponible publiquement sous licence AGPL-3.0 à l’adresse 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