AutoPR: Vamos Automatizar Sua Promoção Acadêmica!
AutoPR: Let's Automate Your Academic Promotion!
October 10, 2025
Autores: 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
Resumo
À medida que o volume de pesquisas revisadas por pares aumenta, os estudiosos dependem cada vez mais de plataformas sociais para descoberta, enquanto os autores investem esforço considerável na promoção de seus trabalhos para garantir visibilidade e citações. Para otimizar esse processo e reduzir a dependência do esforço humano, introduzimos a Promoção Automática (AutoPR), uma nova tarefa que transforma artigos de pesquisa em conteúdo público preciso, envolvente e oportuno. Para permitir uma avaliação rigorosa, lançamos o PRBench, um benchmark multimodal que vincula 512 artigos revisados por pares a postagens promocionais de alta qualidade, avaliando os sistemas em três eixos: Fidelidade (precisão e tom), Engajamento (direcionamento e apelo ao público) e Alinhamento (timing e otimização de canal). Também apresentamos o PRAgent, uma estrutura de multiagentes que automatiza o AutoPR em três etapas: extração de conteúdo com preparação multimodal, síntese colaborativa para saídas refinadas e adaptação específica à plataforma para otimizar normas, tom e marcações para alcance máximo. Quando comparado a pipelines diretos de LLMs no PRBench, o PRAgent demonstra melhorias substanciais, incluindo um aumento de 604% no tempo total de visualização, um crescimento de 438% em curtidas e pelo menos um aumento de 2,9x no engajamento geral. Estudos de ablação mostram que a modelagem de plataforma e a promoção direcionada contribuem mais para esses ganhos. Nossos resultados posicionam o AutoPR como um problema de pesquisa mensurável e viável e fornecem um roteiro para uma comunicação acadêmica automatizada escalável e 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.