Spark-to-Paper: 조합 가능한 스킬로서의 종단간 연구 논문 생성

초록

연구 아이디어를 완성된 논문으로 전환하는 작업은 단순한 텍스트 생성 이상을 요구한다. 시스템은 문헌 검색, 실험 설계 및 실행, 증거에 따른 주장 수정, 출판 준비가 완료된 그림 생성, 그리고 긴 생성 과정 전반에 걸친 일관성 유지를 수행해야 한다. 본 논문은 기존 코딩 어시스턴트 내부에 13개의 구성 가능한 스킬로 구현된 종단 간 연구 논문 생성 시스템인 Spark-to-Paper를 제시한다. 이 시스템은 별도의 에이전트 플랫폼이나 오케스트레이션 서비스를 요구하지 않는다. Spark-to-Paper는 모델 기반 판단과 직접 실행 및 검증이 가능한 결정론적 연산을 분리한다. 또한 실험 계획과 보고를 분리하여, 결과가 관측되기 전에 필요한 증거를 명시하고 측정된 결과에 따라 원고의 주장을 수정한다. 긴 연구 궤적에서의 신뢰성을 향상시키기 위해, 이 시스템은 결정론적 무결성 검사와 자기 비평을 결합하고, 반복된 실험이 원래 연구 목표를 계속 기각하는 실패 모드인 자기 반박 루프(Self-Refutation Loop)를 제한한다. Spark-to-Paper는 또한 실험 결과에 대한 프로그래밍 방식 플로팅과 생성된 방법 다이어그램의 코드 기반 재구성을 통해 편집 가능한 벡터 그림을 생성한다. 8개의 통제된 연구 주제에 걸쳐 Spark-to-Paper는 99.5%의 인용 유효성과 96.4%의 그림 편집 가능성을 달성했다. 통제된 절제 실험에서는 조작 탐지율이 단일 패스 초안의 14%에서 전체 무결성 및 검토 스택 적용 시 92%로 향상되었으며, 적대적 검토는 74%의 정밀도를 달성했다. 전체 시스템은 원고당 1,190만 토큰을 사용하고 8.1달러의 비용이 소요되며 평균 3.2시간이 필요하다. 이러한 결과는 종단 간 연구 논문 생성이 기존 코딩 어시스턴트 내부의 경량화된 구성 가능한 워크플로우로 구현될 수 있으며, 주장의 수용, 수정, 또는 폐기 과정에서 실험적 증거를 핵심으로 유지할 수 있음을 보여준다.

English

Turning a research idea into a complete paper requires more than text generation: the system must retrieve literature, design and execute experiments, revise claims according to evidence, produce publication-ready figures, and maintain consistency across a long generation process. We present Spark-to-Paper, an end-to-end research paper generation system implemented as thirteen composable skills inside an existing coding assistant, without requiring a separate agent platform or orchestration service. Spark-to-Paper separates model-based judgment from deterministic operations that can be directly executed and checked. It further separates experiment planning from reporting, so that required evidence is specified before results are observed and manuscript claims are revised according to measured outcomes. To improve reliability over long research trajectories, the system combines deterministic integrity checks with self-critique and bounds a failure mode we call the Self-Refutation Loop, in which repeated experiments continue to reject the original research objective. Spark-to-Paper also produces editable vector figures through programmatic plotting for experimental results and code-based reconstruction for generated method diagrams. Across eight controlled research topics, Spark-to-Paper achieves 99.5% citation validity and 96.4% figure editability. A controlled ablation increases fabrication detection from 14% for a single-pass draft to 92% with the full integrity and review stack, while adversarial review achieves 74% precision. The full system uses 11.9M tokens, costs $8.1 per manuscript, and requires 3.2 hours on average. These results show that end-to-end research paper generation can be implemented as a lightweight, composable workflow inside existing coding assistants while keeping experimental evidence central to how claims are accepted, revised, or abandoned.