AutoPR: Автоматизируем Ваше академическое продвижение!

AutoPR: Let's Automate Your Academic Promotion!

October 10, 2025

Авторы: 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

Аннотация

С ростом объема рецензируемых исследований ученые все чаще полагаются на социальные платформы для поиска новых работ, в то время как авторы прикладывают значительные усилия для продвижения своих исследований, чтобы обеспечить их видимость и цитируемость. Чтобы упростить этот процесс и снизить зависимость от человеческих усилий, мы представляем задачу автоматического продвижения (AutoPR), которая преобразует научные статьи в точный, увлекательный и своевременный публичный контент. Для обеспечения строгой оценки мы выпускаем PRBench — мультимодальный бенчмарк, связывающий 512 рецензируемых статей с высококачественными промо-постами, оценивая системы по трем направлениям: точность (достоверность и тон), вовлеченность (целевая аудитория и привлекательность) и соответствие (оптимизация времени и канала). Мы также представляем PRAgent — многоагентную систему, которая автоматизирует AutoPR в три этапа: извлечение контента с мультимодальной подготовкой, совместный синтез для создания качественных результатов и адаптация под конкретные платформы для оптимизации норм, тона и тегов с целью максимального охвата. По сравнению с прямыми подходами на основе LLM на PRBench, PRAgent демонстрирует значительные улучшения, включая увеличение общего времени просмотра на 604%, рост количества лайков на 438% и как минимум 2,9-кратное увеличение общего вовлечения. Абляционные исследования показывают, что моделирование платформ и целевое продвижение вносят наибольший вклад в эти результаты. Наши результаты позиционируют AutoPR как решаемую и измеримую исследовательскую задачу и предоставляют дорожную карту для масштабируемой и эффективной автоматизированной научной коммуникации.

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.