인공 지능 시스템을 이용한 생물 정보학 연구 결과를 논문으로 작성하기

최근 대규모 언어 모델(LLM) 기술의 발전으로 인해 논문 작성을 위한 끝에서 끝까지 자동화된 시스템이 개발되었습니다. 그러나 기존의 시스템은 세 가지 중요한 결함을 보유하고 있습니다: (i) 생성된 주장들이 증명 가능한 문헌에 대한 명확한 근거를 가지고 있지 않습니다, (ii) 실험 결과가 실제로 수행되지 않고 가짜로 생성됩니다, (iii) AI가 생성한 논문이 실세계에서 출판할 수 있는 품질과 엄격성에 맞는지 평가하는 표준화된 다차원 프레임워크가 존재하지 않습니다. Prompt-to-Paper은 이 평가 결함을 직접 해결하기 위해 세 가지 통합 혁신을 제공하는 다중 agent 프레임워크를 제시합니다. 첫째, 섹션에 대한 관련성 평가와 snowball 참조 확장을 포함한 결정론적인 검색 증강 생성 pipe라인은 모든 주장에 증명 가능한 60--100 개의 논문 집합에 대한 근거를 제공합니다. 둘째, 독립적인 코딩 agent가 실제 컴퓨터 생물학 실험을 실행하여 가짜 결과를 실제 숫자 결과로 대체합니다. 셋째, 출판된 논문에서 근거한 근사 참조 통계와 명시적인 환각 벌칙을 추가한 8차원 자동화된 품질 점수기제는 표준화된, 재현 가능한 품질 평가를 제공합니다. 품질에 따른 개선 루프는 각 반복을 연구자 동작 중 하나로 라우팅하고 10개의 반복마다 실험을 다시 실행하고 강한 출력으로부터 다시 논문을 작성하는 깊은 연구 사이클을 시작합니다. 시스템은 5개의 생물정보학 사례 연구를 통해 검증되었습니다. 모든 5개의 사례는 제출 형식의 PDF를 생성했으며 0 이상의 범위 밖의 인용이 없습니다. 개선 루프는 0-100 점수 scales의 평균 +17.96 점의 논문 품질을 향상시켰습니다 (최대 +26.04). 인간 리뷰어가 5개의 논문을 7.0점 중 7.0점으로 평가했습니다. 완전한 논문은 약 0.31 달러당 1개의 논문을 생성합니다.