Story2Proposal: Un'Impalcatura per la Scrittura Strutturata di Articoli Scientifici
Story2Proposal: A Scaffold for Structured Scientific Paper Writing
March 28, 2026
Autori: 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
Abstract
La generazione di manoscritti scientifici richiede il mantenimento dell'allineamento tra il ragionamento narrativo, le evidenze sperimentali e gli artefatti visivi durante l'intero ciclo di vita del documento. Le pipeline di generazione basate su modelli linguistici esistenti si affidano a una sintesi testuale non vincolata, con validazione applicata solo dopo la generazione, producendo spesso deriva strutturale, figure o tabelle mancanti e incongruenze tra le sezioni. Introduciamo Story2Proposal, un framework multi-agente governato da contratti che converte una storia di ricerca in un manoscritto strutturato attraverso agenti coordinati che operano sotto un contratto visivo condiviso e persistente. Il sistema organizza agenti architetto, scrittore, raffinatore e renderizzatore attorno a uno stato contrattuale che traccia la struttura delle sezioni e gli elementi visivi registrati, mentre agenti di valutazione forniscono feedback in un ciclo "genera-valuta-adatta" che aggiorna il contratto durante la generazione. Esperimenti su compiti derivati dal corpus di ricerca Jericho mostrano che Story2Proposal ha ottenuto un punteggio di valutazione esperta di 6,145 rispetto a 3,963 di DirectChat (+2,182) su modelli di base come GPT, Claude, Gemini e Qwen. Rispetto alla baseline di generazione strutturata Fars, Story2Proposal ha ottenuto un punteggio medio di 5,705 contro 5,197, indicando un miglioramento della coerenza strutturale e dell'allineamento visivo.
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.