Spark-to-Paper 是一套端到端研究論文生成系統，以 13 個可組合技能的形式執行在現有程式設計助手內部，無需單獨部署的智慧體平臺或外部編排服務論文。從一句研究想法出發，系統自動完成文獻檢索、實驗設計、實驗執行、論文寫作、證據驅動的結論修訂、可編輯論文圖生成，直至輸出可直接編譯的完整 LaTeX 專案。
在 8 個受控研究課題上，Spark-to-Paper 引文有效率達 99.5%，圖形元素可編輯率達 96.4%；對 36 條人為注入的假結論，檢出率從單遍生成的 14% 提升至 92%，對抗式評審精確率達 74%論文。平均每篇論文使用 11.9M token，成本 8.1 美元，耗時 3.2 小時。
論文：
Hugging Face論文：
目前，介紹該系統的論文已被 Hugging Face Papers 標記為當日第一論文。
AI 科研的痛點問題
CodingAgent 的發展重塑了傳統科研流程，成為 AI 輔助科研的新正規化：智慧體負責科研任務規劃、方案生成與任務執行等全流程工作，顯著提升了科研效率論文。
但由於科研流程本身的複雜性和當前大模型能力的侷限性，AI 科研仍面臨兩大痛點，制約著實際應用論文。
展開全文
其一是工具碎片化：文獻閱讀、假設提出、程式碼編寫、實驗試錯、引數調優等工作散落在多個平臺，各環節產物難以銜接，即使使用程式設計助手 (Claude Code / Codex)，也缺少一套把「從想法到論文」完整串起來的端到端流程論文。
其二是科研幻覺：大模型存在固有幻覺問題，面對複雜、長鏈條的科研任務，容易出現文獻引用、實驗數字、因果推導等錯誤 —— 引用查不到、數字沒有出處、實驗結果與結論相悖時「假裝無事發生」，嚴重破壞科研工作的可復現性與嚴謹性論文。
Spark-to-Paper論文：
從想法到論文的端到端科研工作流
Spark-to-Paper 沒有再造獨立的智慧體平臺，而是直接複用程式設計助手已有的讀檔案、程式碼執行、資訊搜尋與工具呼叫能力，把科研過程拆成 13 個可組合技能論文。每個技能只規定任務目標、約束條件、可用工具與交付標準，具體執行由程式設計助手根據當前專案狀態自主完成；一條輕量級流水線負責指定任務順序。全部技能共享同一個專案目錄，透過檔案化產物協作，前一步的輸出就是後一步的輸入，文獻、研究藍圖、程式碼、實驗結果、圖片與修改記錄全部保留 —— 任何一步出現問題，都可以從對應產物繼續修改，而不是整篇重新生成。
從一句短想法出發，系統先將其擴充套件為結構化研究提案，再依次完成規劃、引文、寫作、修訂、評審、畫圖與組裝，最終輸出包含手稿、參考文獻、圖表與模板配置的完整 LaTeX 專案，可直接編譯論文。組裝階段按目標會議或期刊模板自動處理章節順序、引用格式與文件結構，編譯後透過確定性檢查，確保沒有未解析引用與 LaTeX 錯誤。
實驗環節同樣由系統自動完成：規劃階段預先確定資料集、基線、指標、消融與結果表格結構（數值留空），形成流程內的輕量級預註冊；寫作完成後，系統從論文的主張反推缺失證據，在程式碼與資料可用時自動執行最小實驗集，記錄日誌、指標檔案、表格與圖，並用實測結果回填正文、重繪結果圖，同時聯動修訂摘要、引言、結果與結論論文。
論文圖則按角色走兩條路徑：結果圖直接讀取實測資料、由繪圖程式生成並匯出向量 PDF；方法圖與示意圖先用影像模型產出視覺草圖，再由程式設計助手重建為可編輯的網頁檔案並迭代校準，最終匯出向量 PDF論文。
Spark-to-Paper 總體執行流程
Spark-to-Paper 核心技術
基於技能的模組化流水線
13 個技能由輸入路由與八個階段組織論文。輸入判斷起點並選擇結果完整性模式 —— 無實測結果時進入提案模式，數字必須留空；有實測資料時進入資料感知模式，定量結論須有結果支撐。規劃、引文、寫作、修訂、評審、畫圖、組裝構成核心論文生成流程；實驗執行按需觸發，將實測證據寫回論文。整個流水線中，模型負責需要理解與判斷的決策，可核驗操作由確定性程式完成，兩者各司其職。
預註冊式實驗設計與證據驅動修訂
實驗規劃與實驗報告嚴格分離：在觀測結果之前，規劃階段即固定資料集、基線、指標、消融與結果表格結構；實驗階段按需執行最小證據集，昂貴計算或外部資料獲取必須由具體主張與資源可用性背書論文。實驗完成後，系統依據實測證據複審手稿，將論點分類為支援、部分支援、未支援、被反駁或需進一步確認，並相應保留、弱化、刪除、移入侷限性或觸發補充實驗；陰性、無效或不顯著的結果予以保留而非省略，摘要、引言、結果與結論聯動更新，確保全文與最終證據一致。
完整性檢查、長程自省與失敗邊界
確定性 Gate 對可驗證屬性逐項把關：藍圖結構、引用一致性、記法統一、圖檔案齊備、LaTeX 編譯成功，以及提案模式下「未觀測結果必須留白」等規則，都以程式而非模型判斷執行論文。
語義層面的問題由兩級模型自省處理：自我審查在每次編輯後區域性檢查論點漂移與前後一致性；對抗式評審從理論正確性、實驗設計與系統有效性等角度對整篇論文進行多輪獨立審查，每條評審意見必須引用具體段落，並從三個方向核驗 —— 問題是否真實存在、是否已在別處回答、是否超出論文聲稱範圍；無法反駁的意見才進入修訂，評審持續到一輪內不再產生新問題論文。
針對「反覆實驗否定同一研究方向」的自我反駁迴圈，系統將實驗 — 批評 — 修訂迴圈上限設為 7 輪論文。超過上限仍無法支撐核心目標時，終止該軌跡並生成失敗報告，記錄原始想法、試過的方法、實測結果與證據不足的原因，隨後從新的想法重新開始。失敗軌跡被保留為研究產出，但不會被包裝成成功論文。
完整性檢查、自我審查與自我反駁迴圈
可編輯圖生成
論文圖按角色走兩條路徑：實驗結果圖讀取實測輸出、由繪圖程式生成原生向量 PDF，數值與實驗結果嚴格繫結；方法圖與解釋性圖先由影像模型生成視覺草圖，再以草圖作為視覺規範，由 Coding Agent 以生成 HTML 的形式重建文字、形狀、連線與佈局，經渲染對比迭代校準後匯出向量 PDF，重建不可靠時回退到柵格圖論文。生成式模型負責視覺設計，實驗結果圖完全由資料決定，最終產物保持可編輯。
結果圖與方法圖採用兩條不同的可編輯生成路徑
應用實踐與評測結果
受控評測論文：與人類預印本及現有科研智慧體對比
在 8 個受控研究課題上，Spark-to-Paper 引文有效率達 99.5%，高於人類撰寫預印本的 97.8%、AI Scientist 的 93%、AI Scientist-v2 的 91%、Agent Laboratory 的 96% 與單遍生成基線的 81%論文。圖形元素可編輯率達 96.4%，對比之下，人類預印本僅為 58%，AI Scientist 與 Agent Laboratory 釋出產物中的可編輯圖元素為 0%。
在防幻覺消融評測中，對固定注入的 36 條假結論，單遍生成僅檢出 14%，加入門禁後升至 69%，疊加自我審查達 81%，完整堆疊達 92%；對抗式評審精確率 74%，意味著多數評審意見對應真實可核驗的問題論文。
效率方面，完整系統平均使用 11.9M token、成本 8.1 美元、耗時 3.2 小時；單遍生成基線為 0.11M token、0.66 美元、16 分鐘，但引文有效率僅 81%論文。Spark-to-Paper 以更多的推理與檢查成本，換取更可靠的引用、可追溯的實驗結果與可編輯的論文產物。
Spark-to-Paper 在 Hugging Face Papers 頁面被標記為當日第一
開放與共建
歡迎每一位開發者、科研人員與領域專家參與共建，在程式碼倉庫中提交反饋或貢獻內容，我們會持續迭代最佳化論文。Spark-to-Paper 的程式碼與資源已開源，GitHub、專案網站、論文與 Hugging Face 頁面連結如下。
GitHub：
專案網站論文：
論文論文：
Hugging Face論文：
