论文页面 - PaperFit：科学文档的视觉闭环排版优化

来源：https://huggingface.co/papers/2605.10341

摘要

视觉排版优化通过“视觉闭环”代理（vision-in-the-loop agents）迭代地诊断和修复布局缺陷，弥合了可编译 LaTeX 文档与出版就绪 PDF 之间的差距。

一个没有错误编译的 LaTeX (https://huggingface.co/papers?q=LaTeX) 手稿并不一定符合出版标准。生成的 PDF 经常面临浮动元素错位、公式溢出、表格缩放不一致、孤行和寡行问题，以及页面平衡性差等问题，迫使作者陷入重复的“编译-检查-编辑”循环。基于规则的工具对渲染后的视觉效果视而不见，仅能在源代码和日志文件上操作。纯文本大语言模型（LLM）执行开环文本编辑，无法预测或验证其修改对二维布局的影响。因此，可靠的排版优化需要一个在每次编辑后进行验证的视觉闭环。我们将此问题形式化为视觉排版优化 (Visual Typesetting Optimization (https://huggingface.co/papers?q=Visual%20Typesetting%20Optimization))（VTO），即通过迭代视觉验证和源代码级修订，将可编译的 LaTeX (https://huggingface.co/papers?q=LaTeX) 论文转化为视觉精美且符合页面限制要求的 PDF，并引入了五种排版缺陷的分类体系以指导诊断。我们提出了 PaperFit，这是一个视觉闭环代理 (vision-in-the-loop agent (https://huggingface.co/papers?q=vision-in-the-loop%20agent))，它能够迭代地渲染页面、诊断缺陷并应用约束性修复。为了对 VTO 进行基准测试，我们构建了 PaperFit-Bench，包含来自 10 个会议模板的 200 篇论文，涵盖 13 种不同难度的缺陷类型。大量实验表明，PaperFit 大幅优于所有基线模型，证明了从可编译源代码到出版就绪 PDF 的跨越需要视觉闭环优化，且 VTO 构成了文档自动化 (document automation (https://huggingface.co/papers?q=document%20automation)) 流水线中关键缺失的一环。

查看 arXiv 页面 (https://arxiv.org/abs/2605.10341) 查看 PDF (https://arxiv.org/pdf/2605.10341) GitHub6 (https://github.com/OpenRaiser/PaperFit) 添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2605.10341)

在你的代理中获取这篇论文：

hf papers read 2605.10341

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2605.10341 即可从此页面建立链接。

引用此论文的数据集 0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.10341 即可从此页面建立链接。

引用此论文的应用空间 0

没有应用空间链接此论文

在应用空间 README.md 中引用 arxiv.org/abs/2605.10341 即可从此页面建立链接。

包含此论文的合集 1