Pular para o conteúdo
NovidadesIA

Repositórios em Alta

Google abre código de framework multiagente que escreve papers de IA do rascunho ao LaTeX

Repositório Apache-2.0 da Google Cloud AI Research converte rascunhos e logs experimentais em manuscritos LaTeX prontos para submissão, com 1.850 estrelas em seis meses.

Edição: Anderson Gomes
· 4 min de leitura

O repositório google-research/paper-orchestra, mantido por uma equipe da Google Cloud AI Research (Yiwen Song, Yale Song, Tomas Pfister e Jinsung Yoon), figura entre os projetos em destaque nos rankings de código aberto em novembro de 2026. A ferramenta é um framework multiagente que automatiza a redação de artigos científicos em IA: a partir de materiais pré-escrita soltos, como ideias e logs de experimentos, o sistema gera um manuscrito LaTeX completo e pronto para submissão em conferências. O projeto acumula 1.850 estrelas e 957 ganhas no período recente, ocupando a posição 6 no ranking diário do Trendshift e o 14 no semanal, além de aparecer no GitHub Trending diário.

Dados rápidos

  • Repositório: google-research/paper-orchestra
  • Licença: Apache-2.0
  • Linguagem: Python
  • Estrelas: 1.850 | Forks: 299
  • Ranking: Trendshift #6 (diário), #14 (semanal); GitHub Trending diário
  • Consulta: 2026-11-17

O problema que o projeto ataca

Escrever um paper de IA para uma conferência exige uma cadeia longa de etapas: revisar a literatura, estruturar o texto, redigir cada seção, refinar a linguagem, produzir gráficos e diagramas, e adaptar tudo a um template LaTeX específico. Para um pesquisador, esse processo pode consumir semanas ou meses de trabalho repetitivo.

PaperOrchestra busca reduzir esse tempo ao automatizar a pipeline inteira. O sistema não substitui a ciência em si; ele transforma insumos brutos em um documento formatado, com revisão de literatura integrada, seções escritas, refinamento de conteúdo e figuras geradas automaticamente.

A proposta é fechar a distância entre o laboratório e a submissão, eliminando gargalos de formatação e síntese bibliográfica que consomem boa parte do tempo de pesquisa.

Como funciona na prática

O framework opera como uma orquestra de agentes especializados. Cada agente cuida de uma etapa: um gera o esqueleto (outline), outro busca e sintetiza literatura via Semantic Scholar, um terceiro escreve as seções, um quarto refina o conteúdo e um quinto produz plots. O pipeline final entrega um manuscrito LaTeX aderente ao template da conferência-alvo.

A instalação parte de um ambiente Conda com Python 3.11:

conda create -n paper_orchestra python=3.11
conda activate paper_orchestra
pip install -r requirements.txt

Após criar um arquivo .env com as chaves de API necessárias (OpenAI, Gemini via Vertex AI, Semantic Scholar), a execução do pipeline segue um comando único:

python paper_writing_cli.py \
  --raw_materials_dir /caminho/materiais_brutos/ \
  --latex_template_dir /caminho/template/ \
  --output_dir /caminho/saida/ \
  --use_plotting true

O projeto também oferece uma demo interativa em Streamlit na pasta frontend, para quem prefere navegar pelo fluxo sem escrever comandos.

Casos de uso concretos

  • Pesquisador de pós-graduação que precisa submeter um paper em prazo curto: insere os logs de experimento e o rascunho de ideia, e recebe um manuscrito estruturado pronto para revisão.
  • Equipe de P&D corporativa que produz relatórios técnicos recorrentes: usa um template LaTeX interno e a automação de revisão de literatura para manter consistência entre entregas.
  • Professor que coordena vários projetos e quer prototipar o esqueleto de um artigo antes de alocar tempo de escrita: gera a primeira versão completa e concentra esforço apenas na substância.
  • Grupo de pesquisa que precisa adaptar o mesmo conteúdo para dois templates de conferência diferentes: alterna o argumento --latex_template_dir entre execuções sem reescrever nada.

O que diferencia o projeto

Diferente de assistentes de escrita genéricos que operam parágrafo a parágrafo, PaperOrchestra funciona como pipeline multiagente completo. A síntese de literatura é automática e priorizada, a geração de figuras (plots a partir de código) faz parte do mesmo fluxo, e a pasta templates/ já traz modelos de conferências, com possibilidade de adicionar templates próprios. Essa integração de busca, escrita, refinamento e visualização em uma única orquestração é o que o distingue de ferramentas que exigem formatação manual posterior.

Limitações e pontos de atenção

O repositório não inclui o dataset utilizado para avaliação; os autores informam que ele será liberado separadamente em data não informada no repositório. Não há release tag publicada no GitHub, o que indica que o projeto ainda está em fase de desenvolvimento ativo. O último commit é de 2026-11-15, sinalizando manutenção recente. O framework depende de chaves de API de terceiros (OpenAI, Gemini via Vertex AI, Semantic Scholar), o que impõe custos operacionais recorrentes e considerações de privacidade sobre os dados processados. A licença Apache-2.0 permite uso e modificação comerciais, mas o projeto traz um disclaimer de que não é um produto oficial suportado pela Google.

Resumo rápido

  • Projeto: Framework multiagente para escrita automática de papers de IA em LaTeX
  • Licença: Apache-2.0
  • Linguagem: Python
  • Estrelas: 1.850 (957 no período)
  • Ranking: Trendshift #6 diário; GitHub Trending diário
  • Risco principal: Dependência de APIs pagas de terceiros e ausência de release estável

Fontes

  • Repositório: https://github.com/google-research/paper-orchestra
  • Homepage: https://yiwen-song.github.io/paper_orchestra/
  • Trendshift: https://trendshift.io/repositories/google-research/paper-orchestra
  • Python
  • Apache-2.0
  • Repositórios em Alta
  • Trendshift

Fonte: Repositório no GitHub · Como produzimos as matérias