论文页面 - DataEvolver：面向文本丰富图像生成的自进化多智能体数据构建

来源：https://huggingface.co/papers/2606.31537

摘要

DataEvolver 是一个自进化的多智能体框架，通过利用被拒绝样本的反馈来迭代提升数据质量，从而改进文本丰富图像生成。

文本丰富图像生成（https://huggingface.co/papers?q=Text-rich%20image%20generation）是图像生成中最具挑战性的场景之一，因为模型必须同时生成视觉上真实的图像，并呈现清晰可读、语义对齐且布局一致的文本。现有的数据流水线通常遵循静态的“爬取-过滤-冻结”范式：它们收集候选样本，进行一次过滤，然后将接受的数据冻结用于训练。然而，被拒绝的样本通常被丢弃，尽管它们往往包含有用的失败信号，例如OCR错误和语义不匹配。结果，后续的构建轮次可能重复相同的失败模式。为了解决这些局限性，我们提出了 DataEvolver，一个用于文本丰富图像数据构建（https://huggingface.co/papers?q=data%20construction）的自进化多智能体框架（https://huggingface.co/papers?q=multi-agent%20framework）。DataEvolver 将数据构建（https://huggingface.co/papers?q=data%20construction）视为由反馈驱动的构建策略进化。一个检索器收集候选样本，一个验证器分配质量分数和拒绝原因，一个评论家将轮次级别的反馈总结为语义反馈（https://huggingface.co/papers?q=semantic%20feedback），一个生成器通过目标合成来填补覆盖不足的区域。更新后的反馈记忆随后引导下一轮构建。在文本丰富图像生成（https://huggingface.co/papers?q=text-rich%20image%20generation）基准上的实验表明，在匹配的数据预算（https://huggingface.co/papers?q=data%20budget）下，DataEvolver 产生的训练数据比固定数据集基线更有用。在 PixArt-alpha 上以 0.75M 规模，DataEvolver 在 TextScenesHQ 上将 OCR-F1（https://huggingface.co/papers?q=OCR-F1）提升了 85.3%，在 LongTextBench 上提升了 35.3%，均优于最强基线。在两个评估基准上提升一致，并且也迁移到了 Show-o2，这表明 DataEvolver 的优势不依赖于特定的下游生成器（https://huggingface.co/papers?q=downstream%20generator）。这些结果表明，被拒绝的样本可以为改进文本丰富图像数据构建（https://huggingface.co/papers?q=data%20construction）提供可操作的反馈。

查看 arXiv 页面（https://arxiv.org/abs/2606.31537）查看 PDF（https://arxiv.org/pdf/2606.31537）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.31537）

在您的智能体中获取此论文：

hf papers read 2606.31537

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

请在模型 README.md 中引用 arxiv.org/abs/2606.31537 以在此页面链接它。

引用此论文的数据集0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.31537 以在此页面链接它。

引用此论文的 Spaces0

没有 Space 链接此论文

请在 Space README.md 中引用 arxiv.org/abs/2606.31537 以在此页面链接它。

包含此论文的收藏集0

没有收藏集包含此论文

请将这篇论文添加到一个收藏集（https://huggingface.co/new-collection）中以在此页面链接它。