report-generation

介绍了TVIR，一个用于生成文本-视觉交织报告的基准和层次化多代理框架，评估了自动化报告生成中的事实可靠性和视觉对齐。

本文提出 Ptah，一种多智能体框架，通过专门智能体和验证机制交错文本与视觉证据，生成可验证的多模态深度研究报告，并引入 PtahEval 进行评估。

本文展示了如何使用AI工具Sense Nova Skills，通过一个简单的提示词生成完整的全球电动汽车行业研究报告，并附上了GitHub仓库和插件的链接。

AnchorDiff提出了一种拓扑感知的掩码扩散框架用于放射学报告生成，整合了基于RadGraph的临床锚点和基于置信度的重写，在MIMIC-CXR和MIMIC-RG4基准测试上取得了最先进的结果。

Google DeepMind 推出 Deep Research 与 Deep Research Max，两款基于 Gemini 3.1 Pro 的自主智能体，可浏览网络及自定义数据，生成带完整引用的专业报告。

DR³-Eval 是一个基准测试，用于评估深度研究代理在多模态、多文件报告生成中的表现，它通过真实的网络环境模拟和全面的评估框架，衡量信息召回、事实准确性、引用覆盖率、指令遵循和深度质量。