/Users/jehyunlee/Documents/내노트북/paper-curation/docs/papers/600_Paper2Web_Lets_Make_Your_Paper_Alive

Motivation

• Known: 기존에는 논문을 poster(Paper2Poster), slide(PresentAgent), video(Paper2Video), 홍보 텍스트(AutoPR) 등으로 변환하는 연구들이 존재했으며, arXiv HTML이나 alphaXiv처럼 논문을 웹페이지로 변환하려는 시도도 있었다.
• Gap: 기존 방법들은 원문의 세부 정보를 버리거나 핵심 아이디어만 남기며, 멀티미디어와의 상호작용성을 충분히 살리지 못한다. 또한 arXiv HTML이나 alphaXiv 같은 웹 변환 방식은 레이아웃이 흐트러지고 이미지-텍스트 불균형, 반응성 부족 등의 문제가 있으며, 이러한 학술 웹페이지 생성 품질을 종합적으로 평가할 벤치마크도 부재했다.
• Why: 텍스트 지식을 보존하면서도 멀티미디어와 상호작용성을 결합한 웹페이지 형태는 학술 콘텐츠의 확산과 접근성을 크게 향상시킬 수 있어, 연구 성과의 효과적 전달과 지식 확산 가속화에 중요한 의의를 가진다.
• Approach: 논문-웹페이지 쌍으로 구성된 대규모 데이터셋과 다차원 평가 프레임워크(PAPER2WEB benchmark)를 구축하고, MCP 도구를 활용해 콘텐츠와 레이아웃을 반복적으로 개선하는 자율 에이전트 PWAGENT를 제안한다.

Achievement

Pareto-front comparison of each website gen-

1. PAPER2WEB 데이터셋 구축: ICML, NeurIPS, WWW, ICLR 등 주요 AI 학회(2020-2025)에서 10,716편의 논문과 사람이 제작한 project homepage를 매칭한 대규모 데이터셋을 구축했다.
2. 종합 벤치마크 제안: Connectivity, Completeness 같은 rule-based metric과 human-verified LLM-as-a-Judge(interactivity, aesthetics, informativeness), 그리고 지식 유지도를 측정하는 PaperQuiz를 포함한 다차원 평가 체계를 설계했다.
3. PWAGENT 프레임워크 성능 입증: PWAGENT가 template 기반 웹페이지나 arXiv/alphaXiv 대비 큰 폭으로 우수한 성능을 보였으며, Connectivity·Completeness에서 평균 약 12%(arXiv HTML 대비 28%), MLLM-as-a-Judge에서 평균 18% 개선을 달성하고 end-to-end baseline 대비 3배의 점수를 기록하면서도 비용 효율적인 Pareto-front를 달성했다.

How

To transform static papers into exploratory web pages, we collect the first paper-webpage dataset by

• 데이터 수집: 주요 AI 학회 논문의 메타데이터(저자, 연도, 인용수 등)를 자동 도구와 Semantic Scholar API로 수집하고, LLM을 통해 13개 주제 카테고리로 분류
• Project Website Search: 논문 본문 및 코드 저장소(GitHub README 등)에서 외부 링크를 추출하고, LLM으로 관련성을 평가한 뒤 애매한 경우는 사람이 직접 검증하여 논문당 최대 1개의 canonical project website를 매핑
• PWAGENT 파이프라인: 논문을 구조화된 asset으로 분해하고 링크·실행 가능 산출물을 통합 스키마 하에 정리, MCP ingestion을 통해 시맨틱하게 정렬된 리소스 저장소 구축
• Content-aware allocation heuristic: 각 asset의 공간적 footprint를 추정해 레이아웃 예산을 배분
• Agent-driven iterative refinement: 초안 웹페이지를 생성한 뒤 렌더링 결과를 검사하고, 분할된 스크린샷을 HTML 조각과 연결하여 시각적 불균형 교정, 정보 위계 강화, 멀티미디어 배치를 정밀하게 반복 편집

Originality

• 학술 논문을 poster, slide, video가 아닌 interactive website로 변환하는 새로운 태스크를 최초로 정의
• 논문-웹페이지 쌍으로 구성된 최초의 대규모 벤치마크 데이터셋(PAPER2WEB) 구축
• interactivity와 dynamic elements를 측정하는 최초의 metric 제안 및 지식 전이를 측정하는 PaperQuiz(verbosity penalty 포함) 설계
• MCP(Model Context Protocol) 기반의 콘텐츠·레이아웃 반복 개선 에이전트(PWAGENT)라는 새로운 아키텍처 제시

Limitation & Further Study

• 발췌된 본문에서는 PaperQuiz의 세부 산출 방식(질문 생성 절차, verbosity penalty 계산식 등)에 대한 구체적 검증이 충분히 드러나지 않아 평가 지표 자체의 강건성 검토가 필요함
• 데이터셋이 AI 분야 학회 논문에 한정되어 있어 타 분야로의 일반화 가능성에 대한 추가 검증이 필요
• 인간 검증(human annotator)이 개입되는 필터링 단계가 있어 데이터셋 확장의 확장성(scalability)에 한계가 있을 수 있음
• 후속 연구로 다양한 학문 분야 및 언어로의 확장, 그리고 실제 사용자 행동 데이터를 반영한 평가 지표 고도화가 필요

Evaluation

총평: 학술 논문의 웹페이지 변환이라는 새로운 문제를 정의하고 이에 걸맞은 데이터셋, 벤치마크, 에이전트 프레임워크를 모두 제시한 완성도 높은 연구로, 학술 콘텐츠 확산 분야에 실질적 기여를 할 것으로 기대된다.