Story2Proposal: Um Suporte para a Escrita Estruturada de Artigos Científicos
Story2Proposal: A Scaffold for Structured Scientific Paper Writing
March 28, 2026
Autores: 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
Resumo
A geração de manuscritos científicos exige a manutenção do alinhamento entre o raciocínio narrativo, as evidências experimentais e os artefactos visuais ao longo do ciclo de vida do documento. Os *pipelines* de geração baseados em modelos de linguagem existentes dependem de uma síntese de texto não restrita, com validação aplicada apenas após a geração, frequentemente produzindo deriva estrutural, figuras ou tabelas em falta e inconsistências entre secções. Apresentamos o Story2Proposal, uma arquitetura multiagente governada por contrato que converte uma história de investigação num manuscrito estruturado através de agentes coordenados que operam sob um contrato visual partilhado e persistente. O sistema organiza agentes arquiteto, escritor, refinador e *renderizador* em torno de um estado de contrato que monitoriza a estrutura das secções e os elementos visuais registados, enquanto agentes de avaliação fornecem *feedback* num ciclo *generate-evaluate-adapt* que atualiza o contrato durante a geração. Experiências em tarefas derivadas do corpus de investigação Jericho mostram que o Story2Proposal alcançou uma pontuação de avaliação de peritos de 6,145 contra 3,963 do DirectChat (+2,182) em *backbones* como GPT, Claude, Gemini e Qwen. Em comparação com a linha de base de geração estruturada Fars, o Story2Proposal obteve uma pontuação média de 5,705 contra 5,197, indicando uma consistência estrutural e um alinhamento visual melhorados.
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.