要約

査読付き研究論文の量が急増する中、研究者は発見の手段としてますますソーシャルプラットフォームに依存する一方で、論文の可視性と引用数を確保するため、著者たちは自らの研究成果を広めるために多大な努力を払っている。こうしたプロセスを合理化し、人的作業への依存を低減するために、本研究では、研究論文を正確で魅力的かつタイムリーな公開コンテンツに自動変換する「自動プロモーション（AutoPR）」という新たなタスクを提案する。厳密な評価を可能とするため、512編の査読済み論文と高品質なプロモーション投稿を対応付けるマルチモーダルベンチマーク「PRBench」を公開する。このベンチマークは、以下の3つの軸に基づいてシステムを評価する：忠実性（正確性とトーン）、エンゲージメント（対象層の特定と訴求力）、整合性（タイミングとチャネル最適化）。さらに、マルチエージェントフレームワーク「PRAgent」を導入し、AutoPRを3段階で自動化する。第1段階ではマルチモーダルな準備を伴うコンテンツ抽出を行い、第2段階で共同協調による洗練された出力を生成し、第3段階ではプラットフォームごとの特性に応じた適応により、規範、トーン、タグ付けを最適化して最大の拡散を実現する。PRBench上で直接的な大規模言語モデル（LLM）パイプラインと比較した結果、PRAgentは総視聴時間で604％の増加、いいね数で438％の増加、全体的なエンゲージメントで少なくとも2.9倍の向上を達成した。アブレーション研究により、プラットフォームのモデリングとターゲット指向のプロモーションが、これらの向上に最も寄与していることが明らかになった。本研究の成果は、AutoPRが実行可能で測定可能な研究課題であることを示し、スケーラブルかつ実効性の高い自動学術コミュニケーションのための道筋を提示する。