ResearchStudio-Reel: 研究のラストマイルを自動化 — 論文からポスター、動画、ブログへ

要旨

研究発表、すなわち論文をポスター、トーク動画、ブログ記事に変換する作業は、依然として手動のラストマイルである。従来の自動化は各成果物を独立して扱い、それぞれが論文をゼロから再抽出し、通常は一方向のレンダリングを出力するため、著者はPowerPointやWordで再編集できず、品質はソフトなVLM嗜好スコアに依存するが、そのスコアは頭打ちになり、負荷の高いセクションが依然として空虚に読めてしまう。我々は、このラストマイルをスキルの合成として構築するのが最善であると主張する。すなわち、上流の抽出器を共有する軽量なエージェント読み取り可能な契約であり、決定論的プリミティブを測定フィルループで包み込み、その出口は厳格な合格/不合格レンダリングゲートとする。我々はこれをResearchStudio-Reelとして具体化する。5つのClaude CodeおよびCodexスキルから構成され、1つの共有抽出器（Paper2Assets）、3つの編集可能な生成器（Paper2Poster、Paper2Video、Paper2Blog）、および1つの対話的収束層（Paper2Reel）に整理される。Paper2Assetsは各論文を一度だけ抽出し、下流のすべてのスキルで再利用可能な共有バンドルを生成する。3つの生成器は、印刷可能なポスター、同期されたトーク動画、および事実に一貫性がありPowerPointやWordで往復編集可能なバイリンガルブログを生成する。Paper2Reelはこれら3つを自己完結型HTMLビューアに結合し、セクションレベルのクリックで動画、スライド、キャプション、ブログを一致するコンテンツにジャンプさせる。 Paper2Posterベンチマークでは、我々のポスターは、従来の自動システムおよび単発のフロンティアLLMの両方に対して、すべての美的基準および情報サブ基準で優位に立ち、2つの未見のVLM判定器による美学評価では著者自身を上回り、84%から93%の論文で総合的に勝利した。さらに、能力監査により、ナレーションに合わせたスライド上のハイライトとレイアウト認識型DOCX修復でゲートされたバイリンガルブログを独自に組み合わせることで、ResearchStudio-Reelが3つすべての編集可能な成果物を提供する唯一のパイプラインであることが示された。プロジェクトは https://aka.ms/ResearchStudio で公開されている。

English

Research dissemination, turning a paper into a poster, a talk video, and a blog post, is still a manual last mile. Prior automation treats each artifact in isolation that each re-extract the paper from scratch, usually ship one-way renders the author cannot reopen in PowerPoint or Word, and gates quality on soft VLM-preference scores that plateau while load-bearing sections still read as empty. We argue this last mile is best built as a composition of skills: thin agent-readable contracts that share one upstream extractor and wrap deterministic primitives in a measured-fill loop whose exits are hard pass/fail render gates. We instantiate this as ResearchStudio-Reel, five Claude Code and Codex skills organized into one shared extractor (Paper2Assets), three editable generators (Paper2Poster, Paper2Video, Paper2Blog), and one interactive convergence layer (Paper2Reel). Paper2Assets extracts each paper once into a shared bundle that can be reused by every downstream skill; The three generators produce a print-ready poster, a synchronized talk video, and a bilingual blog that stay factually consistent and round-trip through PowerPoint or Word; Paper2Reel then binds all three into a self-contained HTML viewer whose section-level clicks jump the video, slides, captions, and blog to matching content. On the Paper2Poster benchmark, our posters lead every aesthetic and information sub-criterion against both prior automated systems and single-shot frontier LLMs, surpassing the authors' own on aesthetics under two held-out VLM judges and winning overall on 84% to 93% of papers; capability audits further show that, by uniquely pairing narration-aligned on-slide highlights with a bilingual blog gated by layout-aware DOCX repair, ResearchStudio-Reel is the only pipeline to ship all three editable artifacts. Project is available at https://aka.ms/ResearchStudio