연구 논문을 읽고 쓰는 것은 자격을 갖춘 연구자가 반드시 장악해야 하는 가장 특권적인 능력 중 하나입니다. 그러나 새로운 연구자들(예: 학생들)이 이 능력을 완전히 이해하는 것은 어렵습니다. 만약 지능형 에이전트를 훈련시켜 사람들이 논문을 읽고 요약하는 데 도움을 주고, 심지어 잠재적 지식 단서를 발견하여 활용해 새로운 논문을 작성할 수 있다면 매우 흥미로울 것입니다. 기존의 연구에서는 주어진 텍스트에서 지식을 요약(\emph{i.e.}, 읽기)하거나 주어진 지식에 기반한 텍스트를 생성(\emph{i.e.}, 쓰기)하는 것에 초점을 맞추었지만, 동시에 읽고 쓸 수 있는 능력은 아직 개발 중입니다. 일반적으로 이는 에이전트가 주어진 텍스트 자료에서 지식을 완전히 이해하고 올바르고 유창한 새로운 문단을 생성하도록 요구하며, 실제로 매우 어려운 과제입니다. 본 논문에서는 입력 문단에서 지식 그래프(KGs)를 추출하고 잠재적 지식을 발견할 수 있는 \textit{리더(Reader)}와 그래프를 텍스트로 변환하여 새로운 문단을 생성하는 \textit{라이터(Writer)}, 그리고 생성된 문단을 세 가지 다른 관점에서 검토하는 \textit{리뷰어(Reviewer)}로 구성된 깊은 읽기-쓰기(DRAW) 네트워크를 제안합니다. 광범위한 실험 결과, 제안된 DRAW 네트워크가 AGENDA 및 M-AGENDA 데이터셋에서 고려된 기준 모델들과 여러 최신 방법들을 능가함을 보여주었습니다. 본 논문의 코드와 부록은 https://github.com/menggehe/DRAW에서 공개되었습니다.