Prompt-to-Paper: Agentic AI System for Bioinformatics

摘要：尽管大语言模型的最新进展已实现端到端的自动稿件生成，但现有系统存在三个关键缺陷：(i) 生成的论断无法确定性地基于可验证文献；(ii) 实验结果常被捏造而非实际执行；(iii) 缺乏标准化的多维框架来评估AI生成的稿件是否达到真实出版所需的质量与严谨性。我们提出 Prompt-to-Paper，一个通过三项集成创新直接解决这一评估缺口的多智能体框架。首先，确定性检索增强生成流水线结合了章节感知相关性评分与滚雪球式引文扩展，将每个论断锚定在包含60–100篇论文的可验证语料库中。其次，自主编码智能体执行真实计算生物学实验，用真实数值结果替代合成输出。第三，八维自动质量评分器——以已发表论文的近似参考统计量为基准，并辅以显式幻觉惩罚——提供标准化、可复现的质量评估。质量驱动的改进循环使用上下文丰富的修订器，每次迭代将任务路由至三种研究人员操作之一，并每十次迭代触发一次深度研究循环，以从更强输出中重新运行实验并重写稿件。我们在五个生物信息学案例研究上验证了该系统；所有五个案例均生成了投稿格式的PDF，且零超范围引用。改进循环使稿件质量在0–100分制上平均提升+17.96分（最高+26.04分）。作为部分外部检验，一位人类评审员对五篇稿件的平均评分为10分制中的7.0分。完整稿件的生成成本约为每篇0.31美元。