ResearchStudio-Reel: Automate the Last Mile of Research from Paper to Poster, Video, and Blog

阅读笔记：ResearchStudio-Reel: Automate the Last Mile of Research from Paper to Poster, Video, and Blog

TL;DR

这篇论文用 5 个可组合的 agent skill（跑在 Claude Code 与 Codex 上） 把一个论文 PDF 自动转成三种传播产物——会议海报、演讲视频、双语博客——再用一个交互式 viewer 把三者按章节绑定成可导航的整体，且全部交付原生可编辑源文件（PowerPoint / Word）。核心结论是：研究传播“最后一公里”的真正缺口不是“能不能生成多种格式”，而是“产出是否原生可编辑 + 能否统一导航”（native editability + experience-level convergence）；在这个 delivery contract 下，其海报在 Paper2Poster benchmark 100 篇上美学分列自动系统最佳（3.56 vs 作者自做 3.03），并在两套 VLM 评委下分别赢 74/100、95/100 篇。主要 caveat：只有海报被量化评估，视频/博客仅有能力清单（capability audit），且美学分由 VLM 评委代理、与阅读理解指标（PaperQuiz）呈反向关系——“好看”不等于“更利于理解”。

1. 研究内容

1.1 研究问题、痛点与动机

• 研究问题：如何把研究传播的“最后一公里”——把一篇已发表论文变成海报、演讲视频、博客——自动化，同时满足两个被现有工作忽视的约束：（1）产出保持原生可编辑（作者能在 PowerPoint/Word 里继续改，而不只是拿到一张扁平图）；（2）多个产物能统一导航（读者能从一个海报区块跳到对应的视频片段和博客段落）。
• 痛点：传播层与论文本身在结构上是分离的，却恰好消耗作者在 acceptance 之后时间最紧的那几天；现有自动化文献（paper-to-poster / -video / -blog）多为单一产物，组合使用时会重复抽取图片、caption、元数据（G1 shared grounding 缺失），产出往往不可编辑（G2 native editability 缺失），且多产物之间无法绑定成一个可交互整体（G3 experience-level convergence 缺失）。
• 动机 / 为什么重要：这些产物不只服务原作者一个人——工业实验室的对外传播、研究生课程的“每周一篇”导读包、多语言研究组织的跨区域推广都需要它；一个可用的 last-mile pipeline 因此能服务远超单个作者的用户群。
• 领域定位：agent/skill 驱动的文档生成系统，处于 paper-to-poster、paper-to-video、paper-to-blog 三条研究线的交汇处，并与并发出现的多产物统一套件（PaperX、OmniPresent）直接竞争定位。

1.2 核心贡献

• 实现 ResearchStudio-Reel：一个 native-editable 传播工作区，通过可组合 skill 把一个 PDF 变成 print-ready 会议海报 + 配讲视频 + 双语博客（系统级构建，非单点算法）。
• 提出 Paper2Reel：experience-level 收敛层，在一个可导航 HTML 面里把海报区域、视频片段、博客段落绑定（这是论文真正的差异化点）。
• 提出 delivery contract：一个共享 Paper2Assets bundle + 每个产物的原生可编辑源文件（PowerPoint 给海报/视频 deck，Word 给双语博客），并用 artifact-specific release check 让这个契约可测试。
• 海报在 Paper2Poster benchmark 上美学三项子指标全列自动系统最佳、信息三项中两项最佳/并列最佳，美学超作者自做海报约 17.5%（3.56 vs 3.03），两套评委下分别赢 74、95 篇。

定位判断：前三条是“新范式/工程范式”级（把多产物传播重构为 native-editable + section-aligned workspace），第四条是“增量实证”（在已有 benchmark 上刷分）。论文的重点明显在前三条的 delivery contract，而非单纯刷海报分。

1.3 相关工作脉络

flowchart LR
    paper2poster_bench["Paper2Poster<br/>Pang et al., 2026<br/>(benchmark + 可编辑 PPTX 基线)"] --> reel["ResearchStudio-Reel<br/>本文, 2026"]
    postergen["PosterGen / P2P<br/>Zhang / Sun, 2026<br/>(多 agent 海报流水线)"] --> reel
    papers_to_posts["Papers-to-Posts<br/>Radensky et al., 2024<br/>(交互式博客摘要)"] --> reel
    papertalker["PaperTalker / PresentAgent<br/>Zhu / Shi, 2025<br/>(论文→视频)"] --> reel
    paperx["PaperX / OmniPresent<br/>Yu / Ma, 2026<br/>(并发多产物套件) --> 定位对比"]
    skill_runtime["Claude Code / Codex Skills<br/>Anthropic / OpenAI, 2025<br/>(skill 运行时)"] --> reel

• 关键传承：Paper2Poster（Pang 等，2026）既提供了本文直接沿用的 100 篇 benchmark、六维 rubric、PaperQuiz 探针，也确立了“可编辑 PPTX 输出”这一交付范式；Papers-to-Posts（2024）是博客写作的最近前身（交互式 source outline）。skill 运行时（Claude Code / Codex）提供了执行基底，但论文明确声明运行时本身不是其贡献。
• 分歧：与并发多产物套件 PaperX（Scholar DAG 出 PPT/海报/PR 文）、OmniPresent（中心化 HTML 表示 + 跨模态 verify-and-repair）相比，本文不争“第一个多产物生成器”，而是聚焦 native editability + section-level alignment contract——OmniPresent 仅作定性讨论、未纳入实验 baseline。

2. 方法概要

• 方法路线：系统构建（agent skill 编排 + 确定性文档/媒体原语），非纯理论或纯实验论文。
• 关键假设：
  • 显式：论文的图片、caption、元数据可被一次性抽取并共享给所有下游产物（single-owner extraction 优于每个 renderer 各自重做）。
  • 显式：海报的“填满程度”可用一个几何密度比率（content 高 / card 高）量化为离散类别，从而把版式填充变成可收敛的 categorical fixed point。
  • 隐式（读者识别）：ML/CV/NLP 会议论文的版式、图惯例、claim-evidence 结构相对统一（论文自承系统只在这类 venue 上校准，跨域未测）。
  • 隐式（读者识别）：VLM 评委的美学打分能代理人类设计偏好（论文自己在分析中警告这只是 proxy）。
• 数据 / 实验设置：Paper2Poster benchmark 100 篇论文；两套 VLM 评委（claude-opus-4.8、gpt-5.5）；沿用原 benchmark 的六维美学/信息 rubric + PaperQuiz 阅读理解探针（exact-match）；每张海报降到 ≤2560 px 再评、并按真实内容尺寸渲染后评分（防止某配置把 60 英寸内容塞进 48 英寸 @page 导致裁掉五分之一）。baseline 三家：single-shot 前沿 LLM（Claude-4.8 Opus、GPT-5.5、Gemini-3.1 Pro，共用附录 G 的统一 prompt）、poster pipeline（Paper2Poster tool、P2P、PosterGen，best-effort 复现）、作者 ground-truth；本文在两种 harness 下跑同一套 skill（Claude Code + claude-opus-4.8 / Codex + gpt-5.5）。
• 训练目标：n/a——本文不训练模型，所有生成由现成 LLM（claude-opus-4.8 / gpt-5.5）+ 确定性原语（headless Chromium、LibreOffice+ffmpeg、python-docx、Edge TTS）完成。

整体处理流程（一段鸟瞰）：一个 PDF 进入 Paper2Assets，被抽取一次得到 bundle（保留分页的全文 + 检测到的 figure caption + 逐图 manifest + 清洗后的图 + 元数据 + 九段式结构化摘要 + 尽力而为的机构 logo 与 QR）；三个生成器 Paper2Poster / Paper2Video / Paper2Blog 各自把这个 bundle 原样消费，分别产出海报（HTML+PDF+PNG+可编辑 PowerPoint）、视频包（video.pptx + video.mp4 + 无字幕版 + timeline.json）、双语博客（中英文 Word 各一份）；最后 Paper2Reel 读取三者的完成交付物 + 一份 alignment sidecar，把海报区块、视频起止时间、字幕、slide 缩略图、博客段落按同一套 section id 对齐，打包成单一可导航的 HTML viewer。贯穿全程的不变量是：所有产物共享同一套 section 标识符、figure handle、claim anchor，所以三者是互相引用而非各自孤立——海报方法卡里嵌的图，就是视频对应 slide 引用的图、也是博客 evidence map 里引用的图。

2.1 架构图

ResearchStudio-Reel 流水线架构

（对应原文 Figure 2：一个 PDF 进、三种 editor-ready 产物出，中间一个共享抽取阶段。一次 Paper2Assets 产出 bundle，被 Paper2Poster / Paper2Video / Paper2Blog 各自原样消费，Paper2Reel 再把三者绑成一个可导航面。共享 section 标识符、figure handle、claim anchor 让三者互相交叉引用。）

2.2 模块详解

• Paper2Assets（共享抽取层）：输入论文 PDF → 输出唯一 bundle（下游 skill 的唯一接口，下游不再重开 PDF）。

  • 处理流程：
    1. 抽取全文与 caption，按列感知边距裁每张图；
    2. 从首页（arXiv 论文则从 abstract 页）合成元数据；
    3. 写九段式摘要（Problem / Motivation / Contribution / Method / Dataset·Benchmark / Key Result / Ablation / Headline Numbers / Takeaway），每段携带一个 essential 条目、一个备选 supplementary 条目、一段口播 audio script；
    4. 尽力从 Wikimedia Commons（机构 logo，筛 logo/seal/wordmark 类型、取全分辨率上传）与 Wikidata（venue logo）抓取，下载字节校验，取不到就隐藏该 titlebar 槽而非显示占位符；渲染 QR；
    5. 二次扫描补 inventory manifest（源 PDF checksum + 逐段 record 带 stable id + 按阅读顺序的 narration 片段清单），emit 下游读取的 canonical record。
  • 最耗时、最 load-bearing 的是图片清洗链（每张抽取的图跑一次，而非每个下游 renderer 各做一遍）：确定性前缀先剥 chrome 残留、baked-in caption strip、统一白边（处理简单情形）→ visual-AI 步骤判定紧边界框 → 一个 fresh-context sub-agent verifier 独立重读原图对照提议裁剪 → 只有干净通过才 commit，若一张光栅图实际装了两张独立图则切分。
  • 设计理由：把昂贵的图片清洗折叠进单一 owner，下游复用同一 figure reference 就不必重复清洗，避免每个 renderer 要么重复 verifier loop、要么发出可见缺陷（正文文字漏进裁剪、caption 烤进图里）。每个 step 是独立幂等脚本，某阶段失败/改进可单独重跑而不必重抽整篇。

• Paper2Poster（海报生成器）：输入 bundle → 输出海报四种耦合格式（自包含 HTML、精确画布尺寸的 print-resolution PDF、缩略图 PNG、原生可编辑 PowerPoint）+ 可选逐段 narration 音频。核心是 measured-fill loop（分级填充循环）。

  • 构图优于固定模板（A1）：不从模板库组合（列布局×视觉风格×表头×底部 QR 的组合爆炸），而在 build time 从四个正交轴组装——列布局（full/half/三栏）、视觉风格（一族可互换 CSS 主题）、表头排布（五种 venue logo+机构 logo+QR 组合）、底部 Scan-to-Read 块；只有布局由硬规则定（Method 图的形状决定走合并列网格还是半宽默认），其余轴可复现地采样，让一批海报有稳定分散而不靠“随机挑风格”。
  • 分级填充循环（A2，核心算法，详见 2.3）：海报从只含 essential 文本 + 少量选中图（必有 Method 图 + 至少一张关键结果/teaser）的精简草稿起步，循环测量每个 section 的 fullRatio（ painted 内容高 / card 内高），量化为五类 verdict，verdict 单独决定 remediation，直到所有 section 落 FULL 带、且每张图至少在一轴上填满 ≥90%。
  • loose gate + render-time expand：fill gate 刻意松（90% 算满而非 98%），因为最后几个百分点正是离散编辑循环振荡处（收紧到 98% 会令轮数激增，过 0.94 尤甚）；为补回这几个百分点，渲染时一次性把每个欠满 card 的行间距撑向 98%，但不动图、且任何会把固定画布撑高的 card 增长都被回退。
  • 编辑页但不重读（A3）：refinement 循环从不把整张海报（约 100 KB HTML）拉进 context；每次测量除返回 verdict，还只返回恰好 off-target 的那些 section 的逐字源码，agent 就地改这些片段，大文件从不进窗口、不触发 compaction 抹掉循环已有进度；文件也间接生成、从不经输出通道打印回（避免 per-turn token cap 溢出直接 kill 运行）。
  • 图按真实杠杆调（A4）：图所在列的高度不响应文本，所以循环通过图的高度 cap（而非周围文字）调图，并给每张图一个硬 floor；于是两种 regime——图低于 cap 且下方留白则抬 cap 放大，列拥挤则削文本（图不会缩过 floor）。
  • 可编辑 PowerPoint 桥（A5）：不把成品页栅格化再从像素反推 shape（通用 PDF→PPT 转换器的做法），而是从 live DOM 直接重建每张 slide——读每个元素的屏上位置/尺寸/样式，按角色转成对应 native PowerPoint 对象（文本块→保留粗斜体的可编辑文本框、图→可替换图片、公式→原生可编辑公式对象而非扁平图、section card→带样式 shape）。作者因此能在 PowerPoint 里改错字、换图、改配色再导出，而不必重跑 fill loop。
  • 作者偏好对齐：多处默认非技术必需、而是匹配真实海报惯例——机构 logo 放大到一个共享慷慨高度（作者海报倾向于放大自己机构 logo）、图多论文用宽三栏、按 venue 定画布尺寸（ICML/NeurIPS/CVPR 用 60×36 英寸横版、ACL 系用 A0 竖版）、默认浅色 title band + sparingly 用的强调色、QR 当家具（无对应链接或会太空则不渲染）。
  • 质量门（release gate）：海报只在 fill loop 自身的收敛出口达标（每 section 落 90–98% FULL 带、每图填满 ≥90% 一轴）+ 四种产物齐备且无截断 + 渲染 PDF 匹配目标固定画布尺寸（非 advisory 门，否则模型会以“别的门都过了”为由跳过渲染）时才放行；离散循环未必能让所有 section 入带，on-disk 电路断路器限轮数，不收敛则发最优测量态并标 degraded；可选 RRP（Reader-Reconstruction Preference）门：仅当 held-out reader 模型仍能从海报答出问题时才接受编辑，防止“好看但损害可答性”的美学编辑。

  
  分级填充循环可视化（论文 Latent Diffusion Models 海报）

  （对应原文 Figure 4：debug 覆盖层给每个 section 上色标 verdict——红/黄=EMPTY/SPARSE、绿=FULL、橙/品红=SPILLAGE/OVERFLOW。左：初始草稿参差不齐；中：循环逐 section 测量、每轮改一个，card 在 OVERFLOW/SPARSE 间穿过；右：每 section 读 FULL 且图够大后停。）

• Paper2Video（视频生成器）：输入 bundle → 输出三个用户面交付物（video.pptx、video.mp4、video_no_subtitles.mp4），中间文件（narration 音频、字幕 sidecar、slide 帧、duration 报告、visual-cue 计划、timeline、QA 报告）放 assets/ 目录。deck 创作委托 ppt-master 全流程（slide 设计当依赖而非本文 claim）。

  • 处理流程（五个媒体级要求 B1–B5）：
    1. narration 与时长规划（B1）：把共享 section narration 转成带 stable section id 的视频脚本；用户要目标时长时，planner 在 TTS 前估算、过长/过短则要求语义改写；渲染后 duration 报告比对实测与计划，小残差用有界语速计划修、大误差回 narration 重写（目标时长靠内容规划而非截最终视频）；
    2. deck 创作委托 ppt-master（B2）：把共享 paper assets + section 脚本 + 可选 visual-anchor 要求喂进该流程，导出的 PPTX 作渲染源（video.pptx 是用户面 artifact 而非一次性中间件）；
    3. narration 对齐的视觉高亮（B3）：脚本转成 visual-cue 需求文件，deck 流程给 narration 点名的可见对象（图面板、公式块、表格行、方法卡）附语义 anchor，cue resolver 合并脚本+词级时间+slide 几何+authored anchor 产 visual_cues.json（归一化几何，同一 cue 计划能在不同分辨率存活；默认风格 spotlight_laser，柔和高亮目标区域并标当前焦点）；
    4. 音频/字幕/双 MP4（B3/B4）：每段脚本合成一个 narration clip、从同一时间模型写字幕 sidecar；先渲 video_no_subtitles.mp4（保留 slide 帧+narration+高亮、无烧字幕），再把字幕层烧进 video.mp4，两者共享相同 slide 帧/音频对齐/高亮时间，唯一差别是是否烧字幕；写 timeline.json 作下游导航的 canonical sidecar（每条 entry 把 section/叙述块映射到音频窗口+字幕 cue+slide 帧+接受的 visual cue）；
    5. 确定性媒体检查（B5）：缺音频、字幕空/加倍、高亮框畸形/词级大小、timeline 漂移、空白帧、不安全时长修正，各由一个 mandatory package gate 抓（如 check_video_package.py 验证三 MP4 存在可放、有音频流、时长在容差内；字幕要求非空 sidecar + 原始无字幕版与最终字幕版都在 + 两者非字节相同；高亮要求 cue 覆盖+归一化几何+语义目标 id+时序在匹配音频段内，拒词级高亮框；时长控制要求 TTS rate plan 且拒不安全变速）。
  • 设计理由：好 slide 不等于可靠 paper video——deck 出了 slide 创作流程后，系统还得同步时间/声音/字幕/高亮/下游导航，所以 skill 的角色是把 deck + 共享 assets 变成可审计的媒体包而非又一个生成 claim。

  
  Paper2Video 概览

  （对应原文 Figure 5：复用 Paper2Assets bundle → 规划 narration 与时长 → deck 创作委托 ppt-master → 合成对齐音频与字幕 → 渲染视觉注意 cue → 打包可编辑 deck + 字幕版/无字幕版视频。）

• Paper2Blog（双语博客生成器）：输入 bundle → 输出两个根交付物：中文文章（定位微信公众号体）+ 英文文章（定位 research blog 体）；两文共享同样的事实/图/数字/claim/源链接，但为不同阅读习惯而写。

  • 处理流程（五个要求 C1–C5）：
    1. 共享 evidence map（C1）：从 bundle 建一份 evidence map（记录 paper 的 hook/problem/method 组件/main claims/量化结果/limitations/源链接/figure 角色），两语草稿都读它；硬事实（code link、DOI、venue、affiliation、acceptance 状态）缺失则省略而非猜测；
    2. 语言特定大纲与语气（C2）：两文分开写而非逐句互译；draft 前读语言特定编辑风格指南（中文走克制公众号体、必要英文术语保留并解释；英文走中性 research blog 体），语气在生成时通过风格指南+分离大纲控制（风格无法事后用确定性脚本可靠检查）；
    3. 共享文章图集（C3）：只选有助解释论文的图，同一选中集用于两语，每张图放在为其铺陈的段落旁——这不是第二轮图抽取，而是为文章用做的选中图复核（查图在 DOCX 缩放后可读、文章 caption 不与残留源 caption 冲突、图位不造成明显布局失衡）；
    4. DOCX 装配与 bundle 契约（C4）：assembler 写中英两文（固定文件名 + 嵌入图 + 匹配语种 caption + 源链接 + 编辑友好字体）；固定根文件名是契约的一部分（下游 upload/zip/CMS/Paper2Reel 工具不必解析论文标题或非 ASCII 文件名即可找到文档）；
    5. 版式当渲染产物对待（C5）：assembler 与门像编辑看页面那样检查 DOCX——从文档内部结构读图 fit/分页/orphan tail，严格模式下还渲染页图检查近空白页/稀疏页/非末页大块底部留白；门直接读两个 Word 包（验存在/可读/够长/图嵌入而非链接/无占位符残留/字体声明含拉丁正文体+中文回退体），双语检查比对嵌入图数量·顺序·数字 claim·技术术语（抓“图只出现在一个语种版本”这类两文发散的具体失败）。
  • 设计理由：Paper2Blog 不是双语摘要器——它要产两篇编辑就绪、科学上一致但读感自然的文章，所以把“版式”也当一等交付物检查，而不只检查文字。

  
  Paper2Blog 流水线

  （对应原文 Figure 7：复用 bundle → 建一份共享 evidence map → 选共享文章图集 → 写两份语言特定大纲与 DOCX → 跑严格 package gate；根交付物为中/英文章，大纲/预览/QA 报告留在可审计中间件目录。）

• Paper2Reel（收敛与呈现层）：输入三个生成器的完成交付物 → 输出一个自包含交互 viewer + 一份 alignment record（记录 poster section / slide 缩略图 / video 时间 / 字幕 / blog block 如何对齐）。原生 poster/slide/video/document 文件仍可下载，reel 在其上加一层 section 级阅读面。

  • 交互设计（2.5.1）：viewer poster-first（海报是论文最紧凑的地图，首屏即生成的海报而非 dashboard 或 tab 报告）；hover poster section 给即时反馈、双击开 section modal（标题区开全文 modal）；section modal 是主阅读单元——左视频右博客、中间可拖分割条，视频 pane 用无字幕视频源播放（字幕来自 caption sidecar、由 viewer 的字幕 toggle 控制，避免双重字幕），slide 缩略图在视频下方、点击 seek 到对应时间，进度条直接 seek 用同一时间契约，博客 pane 显示匹配文章块并支持中英切换。
  • 内容对齐（2.5.2）：load-bearing 对象是 alignment sidecar——每个 canonical section id 映射到对应 poster block、一个或多个 slide target、video 起止时间、字幕轨、slide 缩略图、blog block；viewer 读这份 sidecar 而非猜文件名/刮海报/从视频推时间。于是 poster block、video 片段、slide 缩略图、blog 段落成为同一 paper section 的不同视图。Paper2Reel 还用 bundle 契约处理不完整输入（用户只给 PDF/arXiv 链接/部分 bundle 时，先查缺哪些上游交付物、跑完整 Paper2Assets/Poster/Blog/Video 补齐再装配 viewer，保持全包 section id 与 asset path 一致）。
  • 质量门（2.5.3）：Paper2Reel 当作交互式浏览器产物而非文件集合来验证。静态门查 viewer/alignment record/manifest/拷贝的 poster 资源/媒体目录/slide 帧/blog block/wordmark/下载包存在，拒陈旧 tabbed-viewer 标记、机器本地路径泄漏、备份文件、缺 poster 资源/section slide/section 片段/字幕 sidecar/中英 blog block/blog 图，并验 reel 用原始 pre-subtitle 视频作播放源。浏览器门用支持 range 的本地预览服务器 serve 包（video seeking 与 slide 缩略图跳转依赖 partial-content 响应），确认支持后在 headless 浏览器开 viewer，查 poster-first 加载、hover、section modal 开、标题 modal 开、分割条布局、字幕 toggle、slide 缩略图 seek、直接视频 seek、顶栏布局、下载、快捷键控制、blog 渲染；另有一 file-browser 门验同一 viewer 页也能在包目录完整时直接从磁盘打开。

  
  Paper2Reel 交互展示

  （对应原文 Figure 9：1. hover 一个 poster section 时该块高亮、邻块淡出；2. 双击该 section 打开同步 modal——左侧视频播放+字幕控制+slide 缩略图，顶部语言切换，右侧对齐的博客段落。）

2.3 算法 / 伪代码

原文未给出编号 Algorithm 块，但 Paper2Poster 的 measured-fill loop（分级填充循环） 是全文核心算法，原文 §2.2.2 以文字描述。下面是基于该描述转述的逻辑（非原文编号伪代码，标注以求诚实）：

输入：精简海报草稿（每 section 仅 essential 文本 + 少量选中图，必有 Method 图）；每 section 的备选 supplementary 段落（ withheld，供 EMPTY 时补入）。

循环直到收敛或触发电路断路器：
  1. 在 headless 浏览器渲染当前海报页
  2. 对每个 section i，测量 fullRatio_i = h_content_i / h_card_i
     （h_content = 该 section 最低渲染元素底边，由 getBoundingClientRect 读出；
       h_card = 其 card 的内高）
  3. 把 fullRatio_i 量化为五类 verdict 之一，按下表选 remediation：
        EMPTY      (fullRatio < 0.70)  → 追加一段 withheld supplementary 段落，或把一个可选 section 提升进列
        SPARSE     (0.70 ~ 0.90)       → polish up：给现有散文加衬 / 放大 widget，直到内容够到 card 底
        FULL       (0.90 ~ 0.98)       → 目标带，不动
        SPILLAGE   (0.98 ~ 1.10)       → polish down：收紧散文直到重回带内
        OVERFLOW   (> 1.10)            → 丢一段 supplementary 段落或整个可选 section
  4. 同一轮内，对 Method 图单独跑 figure-fill 门：要求它至少在一轴上绘出 ≥90% 的 card；
     若不满足，按高度 cap 调图（图低于 cap 且下方留白 → 抬 cap 放大；列拥挤 → 削文本，图不缩过 floor）
  5. 每轮只改一个 off-target section（测量同时只返回该 section 的逐字源码，整页不进 context）
  6. 防振荡三机制：
     - 每个 move 的步长按测量报告的有符号像素 delta 定，而非猜
     - 拒绝对一个 section 重新施加已在该 section 上过冲的 move
     - on-disk round 计数器超阈值 → 电路断路器：发最优测量态、标 degraded、停
收敛判定（categorical fixed point）：每个 section 都读 FULL  且  没有图触发 figure-fill 门
收敛后：单次 render-time pass 把每个欠满 card 的行间距撑向 98%（不动图、不撑高固定画布），
       一次性烘进海报，使 HTML / PDF / PNG / PowerPoint 显示同一填充布局。

关键设计点解读：之所以用离散类别而非连续优化，是因为海报填充带很窄、而一次离散文本编辑会让 section 远跳过带，连续 refine 会在太空与太满之间振荡几十轮；类别化让“下一步该做什么”由 verdict 单独决定、且终止是一个 categorical fixed point（而非学习分数的平台期），于是失败可诊断（每轮日志记哪个 move 施加于哪个 section），而非“agent 做了什么”的黑箱。loose gate（90%）是为了避开最后几个百分点的振荡高成本区，再用渲染期 expand 廉价补回视觉填充。

3. 关键结果

• 主要发现：
  • Reel（Claude Code）在美学三项子指标（Element / Engagement / Layout）上全列自动系统最佳，信息三项子指标（Low-level / Logic / Content）中两项最佳或并列最佳；美学 Overall 3.56，为全表最高，超作者自做海报 3.03 约 17.5%。
  • 逐篇 head-to-head win rate：Claude judge 下赢 74/100、GPT judge 下赢 95/100（对应非平局论文的 85% / 100%）。
  • 两个 Overall 均值（Aesthetic + Information）Claude Code 以 3.69 领先全表；三个 single-shot LLM（3.41–3.56）与 Codex 配置（3.47）构成紧密的第二梯队，均领先复现的 poster pipeline（3.06–3.26）。
  • 同一 skill 换 harness/模型仍强：Codex + gpt-5.5 跑同一套 skill 达美学 3.27（第二高），超所有 single-shot baseline 与作者参考，仅落后 Claude Code 配置约 0.3——证明 measured-fill loop 跨 harness/模型可迁移。
  • PaperQuiz 排序与美学近乎反向：P2P（满版竖排、几乎逐字搬论文散文）与 Paper2Poster tool（内容直接来自 benchmark 自身 QA 抽取）PaperQuiz 最高，但美学最低；作者海报相反（剪到几个 headline 结果、读得干净、美学好但 PaperQuiz 垫底）；Reel 刻意居中——fill loop 填到目标密度而非塞满。
  • 视频/博客仅做 capability audit（表 2、表 3），未做量化质量评分。
• 证据强度：效应量清晰（美学 Δ0.53 vs 作者、Δ0.41 vs 最强 single-shot）；100 篇 × 2 judge、逐篇 head-to-head 计 win rate；未报告置信区间或统计显著性检验。最支撑“fill loop 有价值”的是受控对照（见下），但作者同时承认该对照也改了 prompting、模型调用次数、inference budget，未隔离 fill loop 本身。
• 最支撑结论的一条证据：受控对照 (i)——同一个 claude-opus-4.8，single-shot 一次性吐整张海报美学仅 2.92、Layout 2.97；包进 compose 步骤 + measured-fill loop 后（即 Claude Code 配置）美学 3.56、Layout 3.99，Layout 涨逾 1 分、美学涨 0.64。这是 fill loop 价值最直接的证据（尽管未完全隔离变量）。

3.1 关键结果图 / 表

Table 1（主表，markdown 重现；每个质量格为 Claude + GPT 两 judge 均值；见原文 Table 1 / 附录 D Table 5 的逐 judge 分解）：

System	美学 Overall	信息 Overall	Quiz·Detail %	Quiz·Underst. %	交付（PPTX/Video/Blog）
Claude-4.8 Opus（single-shot）	2.92	3.91	69.86	93.67	✗/✗/✗
GPT-5.5（single-shot）	3.15	3.97	70.89	94.25	✗/✗/✗
Gemini-3.1 Pro（single-shot）	3.08	3.87	65.36	93.59	✗/✗/✗
Paper2Poster tool（复现）	2.72	3.40	69.95	95.02	✓/✗/✗
P2P（复现）	2.72	3.80	75.40	95.60	✗/✗/✗
PosterGen（复现）	2.71	3.64	57.45	91.85	✓/✗/✗
Reel（Codex）	3.27	3.67	55.55	92.01	✓/✓/✓
Reel（Claude Code）	3.56	3.81	56.79	92.16	✓/✓/✓
作者 ground-truth（人类参考）	3.03	3.60	54.73	91.40	—

重点解读：读这张表最该注意的是美学列与 Quiz 列的反向关系。P2P 的 Quiz Detail 75.40% 全场最高，但它满版竖排塞满逐字论文文本、美学 2.72 倒数；作者海报美学尚可（3.03）但 Quiz 两项都垫底（人把论文剪到几个 headline 结果）。Reel（Claude Code）美学 3.56 全场最高、信息 Overall 3.81 也最高，但 Quiz Detail 56.79% 仅略高于作者——这正是 fill loop“填到目标密度而非塞满”的直接体现：它在美学/信息综合上领先，代价是放弃了靠堆文本刷理解分。delivery 列（最右）是论文真正的卖点：只有 Reel 同时产出 PPTX+Video+Blog 三种可编辑产物。

Figure 11 单篇海报横向对比（同一篇 benchmark 论文 “A Context-Integrated Transformer-Based Neural Network for Auction Design”，同一源 PDF 渲染）：

人类作者海报

ResearchStudio-Reel 海报

Claude-4.8 Opus single-shot 海报

重点解读：三张图直观说明了 Table 1 的美学差距从哪来。single-shot（最下图）能找回标题/贡献/headline 数字并选合理的图（所以 PaperQuiz 与 Reel 接近），但一次性吐整张 A0 时退回刚性网格——列不等宽、长段无差异文本、图不顾留白地放置，在海报尺度上读起来扁平。Reel（中图）的 compose-then-fill 循环则平衡列密度、把关键结果提升为 typed widget，这正是 Layout 与美学 margin 的来源。人类海报（上图）常加论文里没有的 bespoke 方法/总览示意图来承叙事——这是系统只用论文已有图、无法复现的维度（论文诚实承认这一不公平点）。

4. 批判性评估与价值

4.1 批判性评估

评估：论文工程扎实、自我诚实度高，但核心 claim 与被严格评估的部分存在错位——它真正想卖的是“native-editable + experience-level convergence”这个工作区范式，可量化的却只有海报美学分这一个 proxy。

评估口径只覆盖海报，卖点缺乏量化证据。 视频、博客只有 capability audit（表 2/3 列“能产出哪些对象”），没有质量评分、没有人工编辑成本测量、没有“section 级导航是否真的比开三个文件更帮人理解论文”的证据。也就是说，论文用海报美学分（一个侧面 proxy）证明了系统的一个角，却把 native editability 与 convergence 的收益几乎全部留给 future work（论文自己在 Future Work 与附录 A 都承认）。读者若只信被严格评估的部分，这篇更接近“一个很强的 agentic 海报生成器 + 一个未充分评估的多产物工程”。

美学分是 VLM proxy，且两个 judge 同源偏好风险未排除。 论文诚实到值得肯定——它明确写“aesthetic numbers should be read as a proxy signal rather than proof that our posters are genuinely better-looking”。但值得进一步追问：两个 judge 都是前沿大模型（claude-opus-4.8、gpt-5.5），它们可能系统性地偏好某种“LLM 友好”的版式（规整网格、特定配色与留白），而这种偏好未必等于真实会议观众或人类设计师的判断。一个更强的人证（third-party human rater across all three artifacts）论文承认留作 future work，目前缺位。

PaperQuiz 反向排序暴露目标冲突，而 fill loop 优化的是密度不是理解。 Quiz 排序几乎与美学相反，说明“好看”与“利于理解”在此任务上存在张力。measured-fill loop 优化的是一个几何密度目标（section 填到 90–98%），而非读者真正吸收了多少——论文诚实地指出“the honest next step is to close the loop on a controlled human reading-and-recall signal”。这意味着当前“美学最佳”不直接等于“传播效果最佳”，一个更密但更丑的海报在让人记住论文这件事上未必更差。

受控对照未隔离变量，baseline 设置有结构性偏向。 受控对照 (i) 同时改了 prompting、模型调用次数、inference budget，Δ0.64（美学）不能干净地归因于 fill loop——论文自己也声明这一点。single-shot baseline 用统一 prompt（附录 G）要求“一次性吐整张 A0 HTML”，这本身对 single-shot 不利，而恰恰是论文要论证的命题（agentic loop > single-shot），存在一定自我印证的循环。复现的三个 poster pipeline 标注“best efforts”，其中 P2P 与 Paper2Poster tool 的 PaperQuiz 偏高部分源于它们直接基于 benchmark 自身的 QA 抽取组装（接近 by construction），对照并不完全干净。

与作者 ground-truth 比较不完全公平（论文已诚实标注）。 作者海报常加论文里没有的 bespoke 视觉（方法/总览示意图、解释性图标）来承叙事，而 pipeline 只用论文实际出现的图、不臆造——所以系统在“原创视觉”这个维度上注定不可能追平作者。这个限制论文说得清楚，但读者解读“赢 74/95 篇”时应记得：比的是同一源 PDF 能产出的东西，不含人类设计师的外加创作。

设计假设的领域依赖。 系统在 ML/CV/NLP venue 上校准（版式、图惯例、claim-evidence DAG 相对统一），跨域（biomed/physics/design-heavy）未测，每个 skill 的 move catalogue 可能要扩展。底层原语（PDF 抽取、HTML 布局、DOCX 渲染、Edge TTS）领域无关，“skills-as-architecture 模式”预计可泛化，但每个新 venue 族需端到端验证。

正面（值得给的具体肯定）：工程质量高且透明——categorical fixed point 带来的可诊断性、on-disk 电路断路器、幂等可单独重跑的 stage、deterministic release gate 都是扎实的工程实践；per-stage token/time profile（表 4，全流程约 89 分钟、2.6M input / 276K output tokens）透明公开；MIT 开源（aka.ms/ResearchStudio）；对 proxy 边界与局限的诚实标注在全论文随处可见，这一点显著高于一般系统论文。

综合可信度：中 —— 海报部分的对照实验扎实但 proxy-bound（VLM judge、未隔离变量、未做人评），真正的差异化卖点（native editability + convergence）缺乏量化证据，主要靠工程质量与设计论证的说服力支撑；但作为系统论文其工程完成度与可复现性是强的。

4.2 Limitations 与复现性

• 论文自承：评估 proxy-bound（美学 vs Quiz 张力、均非真实阅读吸收）；仅海报量化、视频博客未评；跨域未测；不能生成 bespoke 图；五种反复 failure mode（L1 图清洗残留 / L2 fill loop 不收敛 / L3 slide-narration 指代漂移 / L4 双语博客漂移 / L5 TTS 声音不匹配）。
• 读者发现：两 VLM judge 同源偏好风险未排除；editability 与 convergence 的收益（核心卖点）未量化；受控对照未隔离 fill loop 变量；single-shot baseline 设置存在结构性自我印证倾向。
• 复现性：代码 是（MIT，aka.ms/ResearchStudio，每 skill 有 requirements.txt + SKILL.md 作真相源） · 数据 是（Paper2Poster benchmark 公开 100 篇） · 超参 是（per-skill 依赖 + SKILL.md） · 模型 claude-opus-4.8 / gpt-5.5，narration 用 Edge TTS 免凭证；作者自报 run 经 Copilot API 代理而非厂商一方端点。

4.3 可复用与后续

• 可借鉴：categorical verdict + fixed-point 收敛 loop（可迁移到任何“离散编辑要收敛到目标区间”的版式/排版任务）；single-owner 共享抽取避免下游重复处理；artifact-specific release gate 作可测试 delivery contract 的范式；从 live DOM 重建 native shape 的 PowerPoint 桥（含原生公式对象）。
• 引用场景：做 paper-to-X 生成系统、agent skill 编排、文档版式自动化、多产物统一交付时引用；BibTeX key 候选 Xiao2026ResearchStudioReel。
• 下一步：[ ] 若要复用其海报 loop，先用目标受众（非 VLM）做一轮人评验证 judge 偏好是否一致；[ ] 若走视频/博客方向，需自建质量评估协议（论文未给）。

Verdict

推荐深读（对做文档生成 / agent skill 编排 / 多产物自动化交付的人）—— 它是“把 agent skill 当工程范式来组织多产物生成”的一个高质量、可复现、诚实标注边界的范例，measured-fill loop 的 categorical 收敛设计与 release-gate-as-contract 值得直接借鉴。若只关心海报生成质量本身，选读 §2.2（fill loop）+ §3（实验与分析）即可，视频/博客/Reel 可按需扫读。

作者：lusca ｜ 版本：lusca-paper-read v1.10.1 ｜ 出处：https://github.com/yjmm10/lusca-skill/tree/main/skills/lusca-paper-read