论文页面 - TVIR：面向文本-视觉交错报告生成的深度研究智能体

来源：https://huggingface.co/papers/2606.02320 作者：

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

摘要

我们引入了一个多模态深度研究基准和智能体框架，用于评估和改进自动报告生成系统的事实可靠性与视觉对齐性。

深度研究智能体在多步骤信息检索、推理和长篇报告生成方面已展现出强大能力，但现有基准和系统仍以文本为中心，对视觉元素是否事实可靠且与周围分析良好对齐的评估十分有限。为填补这一空白，我们提出了 TVIR（文本-视觉交错报告生成），它包括 TVIR-Bench——一个由 100 个专家策划的多模态深度研究任务组成的基准，这些任务要求视觉元素服务于特定的分析子目标；以及 TVIR-Agent——一个分层多智能体框架，作为构建大纲、检索图像、生成可追溯来源的图表以及通过上下文感知的顺序写作来撰写报告的强基线。我们进一步开发了一个双路径评估框架，结合了文本评估和视觉评估。在九个深度研究系统上的实验表明，TVIR-Agent 取得了强整体性能，凸显了显式多模态设计与评估对于证据驱动的报告生成的重要性。

查看 arXiv 页面 (https://arxiv.org/abs/2606.02320) 查看 PDF (https://arxiv.org/pdf/2606.02320) 项目页面 (https://nju-link.github.io/TVIR/) GitHub3 (https://github.com/NJU-LINK/TVIR) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.02320)

在您的智能体中获取此论文：

hf papers read 2606\.02320

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

引用此论文的模型0

没有模型链接到此论文

请在模型 README.md 中引用 arxiv.org/abs/2606.02320 以从本页链接。

引用此论文的数据集1

NJU-LINK/TVIR-Bench 查看器• 更新于约5小时前 • 100 (https://huggingface.co/datasets/NJU-LINK/TVIR-Bench)

引用此论文的 Space0

没有 Space 链接到此论文

请在 Space README.md 中引用 arxiv.org/abs/2606.02320 以从本页链接。

包含此论文的收藏0

没有收藏包含此论文

请将此论文添加到一个收藏 (https://huggingface.co/new-collection) 中以从本页链接。