PosterVisor框架提升科学海报生成可控性
论文AI 评分 65/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究提出PosterVisor框架，通过递归语义几何合约将科学海报生成从瞬时提示转为持久控制。该框架包含编排器与递归合约执行机制，能动态触发检查并防止修复导致的回归。在Paper2Poster基准测试中，PosterVisor-PPT的问答准确率达64.47%，优于对比模型58.53%，并在72.5%的人工对比中获胜。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载持久控制框架
现有科学海报生成方法将计划作为瞬时提示传递，并在隔离状态下验证各个阶段，这会导致需求在内容和布局模块间漂移，且之前的检查会被静默失效。PosterVisor框架旨在将生成过程从瞬时提示转变为持久控制。其核心编排器基于论文和视觉资产将规则编译为语义几何合约，将声明和来源绑定到所需的视觉、预算和空间承诺上。只有完全实例化的记录才会成为可执行的断言，而其他可用需求则保持为软指导。
递归执行机制
为了确保生成过程的一致性，该框架引入了递归合约执行机制。随着证据的出现，该机制能够动态触发跨阶段的检查。关键在于，在进行修复操作时，递归合约执行会重新检查受影响的检查点状态，从而防止修复引起的回归在未被察觉的情况下传播。这种设计确保了在生成过程中对空间预算和信息覆盖率的严格控制，避免了传统方法中常见的验证失效问题。
性能评估表现
研究团队将PosterVisor实例化为HTML/CSS和可编辑PPTX生成器，并在包含100篇论文的Paper2Poster基准上进行了测试。结果显示，PosterVisor-PPT观察到的平均海报基础问答准确率达到64.47%，高于PosterGen的58.53%。在另一项涉及30篇论文的次要研究中，该模型也获得了更高的VLM总体均值和PaperQuiz均值。人工评估方面，在非平局的成对比较中，72.5%的案例更倾向于选择PosterVisor生成的结果。
为什么值得看
引入合约机制解决多模态生成中的需求漂移问题，显著提升生成质量。
基准测试论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。