[CL]《Spark-to-Paper: End-to-End Research Paper Generation as a Composable Skill》Z Qian, B Wu, Y Wang, C D Yan… [Vast Intelligence Lab & University of Technology Sydney] (2026)

在AI研究自动化领域，将一个想法完整生成为一篇严谨的论文是一个悬而未决的难题。过去的方法多构建独立的自主代理平台，受困于其复杂性与开发环境的脱节。本质原因是它们试图重造一套系统，而非融入研究者已有的工作流。

本文的核心洞见是：把端到端论文生成重新看作一系列可在现有编码助手中执行的可组合技能。由此，将实验规划与结果报告分离，并用确定性的代码执行来验证模型判断这一关键操作，使系统能根据实证自动修正论点，解开了确保内容可靠性的难题。

这项工作真正留下的遗产是一种轻量、实用的范式，即将自动化能力作为技能嵌入现有工具。它为后来者打开的新门是如何通过解耦判断与执行来构建基于证据、长周期的生成系统。但如何让系统在遭遇连续实验失败后，自主探索并转向一个全新的、有价值的研究方向，是其尚未跨过的门槛。

arxiv.org/abs/2608.11924 机器学习 人工智能 论文 AI创造营