PosterMELD:基于多智能体的论文转海报生成,支持可控设计多样性及可编辑的打印就绪输出

Hugging Face Daily Papers 论文

摘要

PosterMELD 是一个基于模板条件的多智能体流水线,可将学术论文转换为可编辑、可打印就绪的海报,实现了 81.3% 的打印就绪率,且成本低廉,并已发布代码和资源。

科学海报构建将长篇多模态论文压缩为可读、可编辑的画布。现有系统仅对完成输出进行评分,从而掩盖了请求级失败;直接图像生成无法实现元素级编辑,而编码智能体工作流成本高昂。PosterMELD 是一个基于模板条件的多智能体流水线:容量感知槽位在渲染前引导写作,确定性门控加上视觉语言模型(VLM)审查将失败导向有界修复。每个被接受的请求都会导出可编辑的 PowerPoint(PPTX)和便携式网络图形(PNG)文件;明确的设计控制可生成同一论文的不同变体。在 621 篇论文中,打印就绪率(PRR)统计通过几何、可读性、资源完整性和明显事实错误检查的请求,原生可编辑性单独报告。一个冻结的 VLM 为打印就绪输出分配条件性工艺-和谐-表现力(CHE)分数。PosterMELD 达到 81.3% 的 PRR,是 P2P 的 3.4 倍、PosterGen 的 5.2 倍,并在多个打印就绪输出的生成方法中取得最高的条件性 CHE。原生可编辑性和明确的设计控制得以保留,平均每个请求成本为 0.38 美元,仅为 Codex+Skill 的 3.5%。代码和资源可在 https://github.com/Shannon4Science/PosterMELD 获取。
查看原文
查看缓存全文

缓存时间: 2026/08/05 09:44

论文页面 - PosterMELD:用于可控设计多样性的多智能体论文到海报生成,支持可编辑且可直接打印的输出

来源:https://huggingface.co/papers/2608.02218 发布于 8 月 3 日

·

Jie (https://huggingface.co/T-Jack) 于 8 月 5 日提交

摘要

科学海报构建将一篇冗长的多模态论文压缩成一块可读、可编辑的画布。现有系统仅对完整输出进行评分,从而掩盖了请求级别的失败;直接图像生成无法实现元素级编辑,而编码智能体工作流成本高昂。PosterMELD 是一个模板条件化的多智能体流水线:容量感知槽位在渲染前引导写作,确定性门控与视觉语言模型(VLM)审查将失败引导至有界修复。每个被接受的请求都会导出可编辑的 PowerPoint(PPTX)和便携式网络图形(PNG)产物;显式设计控制可以生成同一论文的多种变体。在 621 篇论文中,可打印就绪率(PRR)统计通过几何、可读性、资源完整性和明显事实错误检查的请求数量,并以单独指标报告原生可编辑性。一个冻结的 VLM 为可打印就绪的输出分配条件性工艺-和谐-表现力(CHE)分数。PosterMELD 达到了 81.3% 的 PRR,是 P2P 的 3.4 倍、PosterGen 的 5.2 倍,并且在具有多个可打印就绪输出的生成方法中获得了最高的条件性 CHE。原生可编辑性和显式设计控制得以保留,平均每个请求成本为 0.38 美元,仅为 Codex+Skill 的 3.5%。代码和资源可在 https://github.com/Shannon4Science/PosterMELD 获取。

查看 arXiv 页面查看 PDF项目页面GitHub1添加到收藏

在你的智能体中获取这篇论文:

hf papers read 2608\.02218

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

在模型 README.md 中引用 arxiv.org/abs/2608.02218,即可从此页面链接到该模型。

引用此论文的数据集 0

没有数据集链接到此论文

在数据集 README.md 中引用 arxiv.org/abs/2608.02218,即可从此页面链接到该数据集。

引用此论文的 Space 0

没有 Space 链接到此论文

在 Space README.md 中引用 arxiv.org/abs/2608.02218,即可从此页面链接到该 Space。

包含此论文的收藏 0

没有收藏包含此论文

将此论文添加到收藏(https://huggingface.co/new-collection)中,即可从此页面链接到该收藏。

相似文章

MELD:用于AI生成文本的多任务均衡学习检测器

arXiv cs.CL

本文介绍了MELD,这是一种用于AI生成文本的检测器,它通过使用辅助头进行多任务学习(涵盖生成器家族、攻击类型和源域)来提高鲁棒性。MELD在RAID基准测试中表现出色,并在对抗攻击下保持低误报率。

Prompt-to-Paper: 生物信息学的代理式AI系统

arXiv cs.AI

Prompt-to-Paper是一个多阶段多代理AI框架,用于自动化生物信息学稿件生成。它采用确定性检索增强生成、用于真实实验的自主编码代理以及八维质量评分器,以低成本生成可投稿格式的PDF,并实现了经过验证的质量提升。