生物信息学AI系统Prompt-to-Paper自动生成可验证论文

背景

近年来，大型语言模型（LLM）的快速发展使得端到端的自动化稿件生成成为可能。然而，现有的系统存在三个关键缺陷：第一，生成的主张缺乏对可验证文献的确定性引用；第二，实验结果经常是伪造的而非实际执行；第三，缺乏一个标准化、多维度的框架来评估AI生成的稿件是否达到真实出版物所要求的质量和严谨性。针对这一评估缺口，本文提出了 Prompt-to-Paper——一个多智能体框架，通过三项集成创新直接应对上述问题。

核心内容

Prompt-to-Paper 是一个面向生物信息学的自动化稿件生成系统，其核心机制建立在三个集成创新之上：

1. 确定性检索增强生成（RAG）管线：采用章节感知的相关性评分（section-aware relevance scoring）和雪球式引用扩展（snowball citation expansion），确保每个主张都锚定在一个由 60–100 篇论文构成的可验证文献集中。这使得生成的每一条陈述均可追溯至具体文献，杜绝无中生有的论断。

2. 自主编码智能体：该智能体负责执行真实的计算生物学实验，用实际的数值结果替代合成输出。换言之，系统不会虚构数据，而是通过运行真实的代码（如生物信息学分析流程）来产生结果，从而保证实验结果的真实性。

3. 八维度自动化质量评分器：利用已发表论文的近似参考统计量作为基准，并额外引入显式的幻觉惩罚（hallucination penalties），提供标准化、可复现的质量评估。评分覆盖八个维度（原文未列出具体维度，但强调是标准化评估）。

在此基础上，Prompt-to-Paper 运行一个质量驱动的改进循环（quality-driven improvement loop）：一个上下文丰富的修改器（context-rich reviser）将每次迭代引导至三种研究者动作之一（原文未详细说明三种动作的具体内容），并且每十次迭代触发一次深度研究循环（deep research cycle），重新运行实验并从更强的输出重新生成稿件。

验证实验在五个生物信息学案例上进行。所有五个案例均编译出符合投稿格式的 PDF，且零个超出范围的引用（zero out-of-range citations）。改进循环将稿件质量在 0–100 尺度上平均提升 +17.96 分（最高 +26.04 分）。作为部分外部验证，一位人类评审员对五份稿件的平均打分为 7.0/10。每篇稿件的生成成本约为 0.31 美元。

关键要点

• 现有 AI 稿件生成系统存在三大缺陷：主张不可验证、实验结果伪造、缺乏标准化质量评估框架。
• Prompt-to-Paper 通过三项创新直接解决这些缺陷：确定性 RAG（60–100 篇论文支持）、真实实验执行（自主编码智能体）、八维度自动化质量评分（含幻觉惩罚）。
• 质量改进循环结合了上下文丰富的修改器和定期深度研究循环（每 10 次迭代一次），通过重新运行实验和从更强输出重新生成来提升质量。
• 在五个生物信息学案例中验证：零超出范围引用，质量平均提升 +17.96 分（0–100 标度），人类评审员评分平均 7.0/10。
• 单篇稿件生成成本极低，约 0.31 美元，展示了实用的经济性。

意义与影响

Prompt-to-Paper 代表了 AI 辅助学术写作从“文本生成”向“可验证科学产出”的重大转变。其核心贡献在于建立了一套闭环的质量控制机制：从文献引用的确定性锚定，到真实实验执行的保证，再到多维度的自动化质量评估与迭代改进。这一范式有望推动 AI 生成的学术稿件从“看起来像论文”进化为“符合真实出版严谨性的论文”。

对生物信息学领域而言，该系统的成本极低（每篇约 0.31 美元）且能生成符合投稿格式的 PDF，意味着大规模、低成本地生成初步研究稿件成为可能，加速了假设验证和文献综述的自动化。同时，其标准化质量评分框架可以成为未来 AI 生成论文评估的基准。

然而，也需要注意到局限性：目前仅面向生物信息学，且质量提升依赖于参考已发表论文的统计量作为基准，可能引入偏差。此外，人类评审员评分仅为 7.0/10，说明仍有提升空间。但整体上，Prompt-to-Paper 为构建可信、可复现的 AI 科学写作系统提供了重要的方法论基础。