---
title: "PaperOrchestra 生成的论文能直接投稿吗？"
canonical: https://wavect.io/zh/blog/paperorchestra-manuscript-review/
language: zh
description: "PaperOrchestra 生成的论文可以直接投稿吗？对照 CVPR 样稿、原文和实验日志，定位缺失的碰撞率，读懂盲评结果、生成耗时与会议对作者的要求。"
image: "https://wavect.io/img/blog/headers/header_paperorchestra-manuscript-review.png"
author: ["Kevin Riedl"]
published: "2026-11-16"
updated: "2026-11-16"
reviewed: "2026-11-16"
---

# PaperOrchestra 生成的论文可以直接投稿吗？

[**返回**](/zh/blog/overview/)

[![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/)

[Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt

8 分钟 阅读 · 2026年11月16日 最近审核 2026年11月16日

[**下一篇**](/zh/blog/feynman-open-source-ai-research-agent/)

要点速览

PaperOrchestra 能根据已完成的实验生成 LaTeX 稿件。公开的 CVPR 样稿保留了 49% 的认证碰撞率，却漏掉原表中 9.0% 的普通碰撞率。盲评中，研究者更偏好它而非另外两种自动写作系统，整体上仍更喜欢人类作者的原稿。投稿前应把重要结论逐项与证据核对，并确认目标会议允许这种写作方式。

PaperOrchestra 公开了一份论文样稿，其中一行实验结果里的数字个个都能和原文对上。把两张表的表头并排一看，才会发现少了一整列。光核对数字，很容易漏掉这个问题。

PaperOrchestra 是 Google Cloud AI Research 开发的论文写作框架。给它研究思路和已经做完的实验记录，它可以检索文献、绘图、修改草稿，并排成 LaTeX 稿件。能否投稿还要回答两个问题：读者能否根据稿件里的数据判断结论是否成立？目标会议或期刊是否允许这种写作方式？

*核查日期为 2026 年 11 月 16 日。我们把一份公开样稿与已发表论文逐项对照，又用另一个案例检查实验记录，并查看了公开代码。下文的耗时和评审结果均来自研究团队，本次核查没有重新运行生成流程。*

## 样稿的结果表漏了什么？

在采用生成图表的 CVPR 样稿中，表 1 少了普通碰撞率。这项研究预测行人的运动轨迹。打开样稿，放大中间一页，找到 Smoothed D-Pool 这一行，再打开原论文《Certified Human Trajectory Prediction》PDF 第 7 页的表 1，比较两张表的列名和数值。 [查看 CVPR 生成稿](https://github.com/yiwen-song/paper_orchestra/blob/342e47ed21b645527bec044e10228f1fc8820cfd/figures/cvpr_ours_ploton.jpg) · [查看 Bahari 等人的原文表 1 和表 2](https://openaccess.thecvf.com/content/CVPR2025/papers/Bahari_Certified_Human_Trajectory_Prediction_CVPR_2025_paper.pdf#page=7)

| Smoothed D-Pool 的指标 | 原论文表 1 | 生成稿表 1 |
| --- | --- | --- |
| 最终位移误差 | 1.23 米 | 1.23 米 |
| 经认证的最终位移误差 | 2.0 米 | 2.00 米 |
| 碰撞率（Col） | 9.0% | 整列缺失 |
| 经认证的碰撞率（Certified-Col） | 49% | 49% |

普通碰撞率为 9.0%，比较的是预测路线和周围行人的实际路线。49% 则指在所有样本中，至少有一名周边行人落入预测路线认证范围内的比例。采用原论文图表的另一份样稿保留了四列。基准数据中的实验记录也按顺序列出了 1.23、2.0、9.0 和 49。下载数据压缩包后，可以用下面的命令直接定位这一行。 [采用原图表的另一份 CVPR 样稿](https://github.com/yiwen-song/paper_orchestra/blob/342e47ed21b645527bec044e10228f1fc8820cfd/figures/cvpr_ours_plotoff.jpg) · [本次核对使用的数据集版本](https://huggingface.co/datasets/yiwen-song/PaperWritingBench/blob/fbcfcafd042184ca954954b08dfcb92bd7942b51/datasets.zip)

```
unzip -p datasets.zip \
  '*/cvpr2025_5f3288a486/raw_materials/experimental_log.md' | grep 'Smoothed D-Pool'
```

再看生成图表版的表 2。扩散去噪器处理后剩余的三个噪声值分别是 0.06、0.14 和 0.24，都与原文一致。有了对照，就知道表 1 应补回哪一列。凭这两份样稿，仍然无法判断缺列的原因或发生频率。

## PaperOrchestra 写论文需要哪些材料？

先准备研究问题、方法和已有的实验结果。公开的命令行工具需要两个目录：研究材料目录中包含 `idea_sparse.md` 和 `experimental_log.md`，模板目录中放目标会议的 LaTeX 模板。命令行默认关闭绘图，可按需开启。 [命令行源码和输入文件名](https://github.com/google-research/paper-orchestra/blob/d9bae997e793a015ed38bb1605be9eb58c00284f/paper_writing_cli.py)

大纲智能体先安排论证顺序。文献智能体检索候选论文，通过 Semantic Scholar 核对文献记录。开启绘图后，绘图智能体可以用代码画出统计图。章节写作智能体把各部分编成 LaTeX 稿件，修改智能体依据模拟审稿意见修订文字。如果审稿意见要求补实验，实验仍要由研究者完成。 [研究团队的流程说明与样稿](https://yiwen-song.github.io/paper_orchestra/)

检索到一条真实的书目记录，只能帮你找到那篇论文。要确认引文能否支持当前这句话，还得读到对应的段落，核对研究对象、方法和适用范围。对于还在找文献、规划复现的团队，可以参考 [Feynman 研究智能体评测](/zh/blog/feynman-open-source-ai-research-agent/) 。

## 盲评中，生成稿和人类作者的论文相差多少？

11 位人工智能研究者针对抽取的 40 篇论文，完成了 180 次两两盲评。PaperOrchestra 在两项指标上都胜过另外两种自动写作系统，得分却低于人类作者的已发表原稿。作者先按论文汇总评审意见。下表用汇总后的胜出比例减去落败比例，单位为百分点。平局仍计入比较总数，在这项差值中贡献为零。 [COLM 2026 论文图 7 与附录 E.6](https://proceedings.colm.cc/paper_files/paper/2026/file/6546d4ab1e224ea9625c7c42ad25d6c8-Paper-Conference.pdf)

| 比较对象 | 文献综述质量 | 稿件整体质量 |
| --- | --- | --- |
| 单智能体写作系统 | +67.6 个百分点 | +37.8 个百分点 |
| AI Scientist-v2 | +50.0 个百分点 | +13.9 个百分点 |
| 已发表的人类作者原稿 | −37.8 个百分点 | −75.7 个百分点 |

PaperWritingBench 选取了 CVPR 2025 和 ICLR 2025 各 100 篇已录用的论文，再根据论文反向整理研究思路和实验结果。即便是简版研究构想，平均也有约 590 个英文单词。

在标准比较中，各系统拿到的都是原论文的图，生成图表的效果另行评估。这项测试衡量的是根据已有证据写论文的能力。要评价能否发现新结果，或有多少生成稿真的被会议录用，需要另做研究。 [PaperWritingBench 公开数据集](https://huggingface.co/datasets/yiwen-song/PaperWritingBench)

## 怎样用实验日志核对摘要中的结论？

挑出摘要里范围最大的一句结论，主动找最可能推翻它的那组数据。研究论文附录 D.4 给出了 TSAM 的实验日志。TSAM 根据文字和声音在视频中分割目标物体。CVPR 原论文既测试了目标存在时的分割效果，也测试了画面中根本没有目标时模型的表现。 [Radman 和 Laaksonen 的结果表 1](https://openaccess.thecvf.com/content/CVPR2025/papers/Radman_TSAM_Temporal_SAM_Augmented_with_Multimodal_Prompts_for_Referring_Audio-Visual_CVPR_2025_paper.pdf)

在训练时未见过的类别上，TSAM 的 Jaccard 指数为 54.58%，对照方法 EEMC 为 49.54%，相差 5.04 个百分点。当目标不存在时，评价用的是越低越好的 S 指标。EEMC 得到 0.007，TSAM 为 0.017。如果摘要写成“TSAM 在所有测试中均胜出”，就和后一行数据矛盾。更准确的表述是，TSAM 在未见类别上分割得更好，目标缺席时 EEMC 表现更好。

## Streamlit 演示在哪里？生成一篇需要多少钱？

项目给出的 Streamlit 演示链接指向本地启动说明。安装好 Python 依赖、为选用的模型提供方配置凭据后，在仓库根目录运行下面的命令。界面会调用论文写作的命令行工具。如果只想看完成稿，在浏览器里打开项目的样稿展示页即可。 [Streamlit 本地启动说明](https://github.com/google-research/paper-orchestra/blob/main/frontend/README.md) · [Google Research 代码仓库与配置说明](https://github.com/google-research/paper-orchestra)

```
streamlit run frontend/app.py
```

COLM 论文的表 9 估计，每篇稿件要调用模型 50 至 70 次。作者用单个工作进程对 10 篇论文分别计时，去掉最快和最慢的两次，余下 8 次平均耗时 39.6 分钟。论文没有公布每篇稿件的美元成本。要估算自己的支出，需记录模型实际用量和重试次数，再计入作者核对结果、检查引文和修订稿件的时间。做原始实验的费用另算。

## 投稿前，署名作者该检查什么？

在生成全文前，先查清目标会议当年对应赛道的规定。例如，NeurIPS 2026 的立场论文赛道要求稿件主体由人类作者撰写，AI 对正文的修改仅限于文字润色等辅助工作。主赛道另有自己的智能体使用规定。 [NeurIPS 2026 立场论文征稿要求](https://neurips.cc/Conferences/2026/CallForPositionPapers) · [NeurIPS 2026 主赛道手册](https://neurips.cc/Conferences/2026/MainTrackHandbook)

1. **把表和图逐项与实验记录对照。** 看有无漏列或漏掉对照方法，核对单位、数据集划分，以及指标究竟是越高越好还是越低越好。用记录中的数据重新绘制定量图表。
2. **打开支撑主要结论的原始文献。** 记下每项判断对应的表格、章节或原文段落。如果只在一个数据集上做过验证，就把结论的范围限定在这个数据集。
3. **定稿后重新打开 PDF。** 检查图注、交叉引用、作者信息、匿名要求和 AI 使用披露。让负责实验的人确认最终措辞。需要反复做这些检查时，可以参考 [智能体输出评估指南](/zh/blog/ai-agent-eval-sandbox-security-checklist/) ，保留每次验收的依据。

审稿工作量有现成的公开数字。ICLR 程序主席统计，2026 年该会议共有 19,525 篇有效投稿，收到 76,139 份评审意见。这反映了这一个会议的实际负担。PaperOrchestra 的实验没有测量写作工具对投稿量或审稿工时的影响。 [ICLR 2026 审稿工作回顾](https://blog.iclr.cc/2026/03/31/a-retrospective-on-the-iclr-2026-review-process/)

## 关于 PaperOrchestra 的常见问题

### 只有一个研究点子，能让 PaperOrchestra 写出论文吗？

按项目公开的流程，除了研究思路，还要提供实验结果和目标会议的排版模板。如果手头只有一个新假设，就需要先通过实验取得可报告的结果。

### 不安装软件也能看完整样稿吗？

可以。研究团队的展示页有四份 CVPR 和 ICLR 样稿，每个会议各有一份采用原论文图表，一份采用生成图表。要在本机交互式生成新稿，再看 Streamlit 的启动说明。

### PaperOrchestra 会核实参考文献是否存在吗？

文献智能体通过 Semantic Scholar 核对书目信息。作者还需要打开所引论文，读到对应段落，判断这条文献能否支持正文里的具体说法。

### PaperOrchestra 生成一份稿件要多久？

研究团队对十次运行计时，去掉最快和最慢两次后，平均是 39.6 分钟。这只覆盖生成稿件的过程，做实验和作者终审所需时间要单独计算。

### 这些生成稿有被会议正式录用的吗？

研究报告的是人工盲评结果和模拟审稿决定。PaperWritingBench 里已经被录用的是用于重建输入材料的人类作者原稿，研究没有给出生成稿实际投稿后的录用率。

QA 与生产就绪

## 接下来读什么

可靠生产软件所需的测试、审计、维护与加固。

[从这里开始**AI 生成代码的 QA**](/zh/blog/qa-for-ai-generated-code/)

- [切换到 Claude Fable 5.2 后，智能体还能接着上次的会话工作吗？](/zh/blog/claude-fable-5-2-session-replay/)
- [2026 年 AI 编程工具链实测：用 Pi 等四个工具排查前端回归](/zh/blog/pi-agent-development-stack/)
- [阿里 Open Code Review 没有评论，怎样确认它审了哪些文件？](/zh/blog/alibaba-open-code-review-no-comments/)
- [采购 LoRaWAN 水表前，如何现场验证读数和漏水报警？](/zh/blog/lorawan-water-meter-field-acceptance-test/)
- [两家供应商都说开发完成，软件该怎么验收？](/zh/blog/multi-vendor-software-acceptance-testing/)

[下一篇文章**切换到 Claude Fable 5.2 后，智能体还能接着上次的会话工作吗？**](/zh/blog/claude-fable-5-2-session-replay/)

[**返回**](/zh/blog/overview/)

[![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/)

[Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt

8 分钟 阅读 · 2026年11月16日 最近审核 2026年11月16日

[**下一篇**](/zh/blog/feynman-open-source-ai-research-agent/)
