鹭羽 发自 凹非寺量子位 | 公众号 QbitAI

你好研究僧，听说刚刚中了顶会，却还在愁怎么做Poster（学术海报）？

别急，容在下为你推荐一款新时代科研党神器——PosterAgent，帮你一键从paper.pdf跳转poster.pptx
。

相比GPT-4o，PosterAgent天生指标更优，同时token使用量镌汰87%，还只需要0.0045美元，就可将22页的论文转化为可编辑的 “.pptx” 终稿海报
。

来自滑铁卢大学的联合研究团队，还全心构建了首个学术海报评估标准Paper2Poster，解决了长上下文、多模态压缩的评估空缺
。

话未几说，先给各人展示一波效果，以下面这篇CV论文为例
。

先喂给GPT-4o-image，获得的是这样的：

显然学术海报三要素（吸睛问题、重点突出、色彩排版），GPT-4o-image通通都没有
。

无妨交给PosterAgent试试：

视觉更连贯、信息还高效，难怪连已经结业了的师兄师姐们都在X上哭诉，凭什么我们昔时没有它
。

这下妈妈再也不必担心我做欠好Poster，被老板在群里夺命call了（狗头）
。

下面来讲讲它为啥这么好用
。

多模态海报自动天生

Poster在学术聚会里的主要性不言而喻，需要让与会者在几分钟内就迅速从中掌握焦点内容，这就很磨练制作者的论文浓缩能力，以及文本和图形的排版功底
。

为了帮各人解放双手，以及更一目了然地评估海报效果，研究团队提出了评估基准Paper2Poster以及基于此构建的多智能体框架PosterAgent
。

Paper2Poster：首个学术海报评估基准

Paper2Poster的数据包括100对AI领域论文和作者设计的海报，涵盖盘算机视觉（19%）、自然语言处置惩罚（17%）和强化学习（10%）等子领域的280个差别主题，论文平均22页，天生海报的文本压缩比约为14.4倍，图形镌汰比约为2.6倍
。

评估指标笼罩四个基本维度：

视觉质量：使用CLIP图像嵌入丈量天生海报与作者设计海报之间的视觉相似度，再盘算图像和文本的相关性，以确保图像属于有用整合
。文本连贯性：盘算文本在Llama-2-7b-hf下的标准疑心度（PPL），权衡文字流通度
。整体评估：选择一个VLM（如GPT-4o），从美学（元素质量、结构平衡、加入度）信息（清晰度、完整性、逻辑流）两个方面举行1到5分打分
。PaperQuiz：这是团队专门设计的评估指标，以模拟作者和读者的交流
。让代表差别专业水平（例如学生和教授）的VLMs阅读每张海报并回覆考试，获得最高平均分的海报被以为在转达论文内容方面最有用
。

PosterAgent：多阶段自动天生框架

凭证Paper2Poster的要求，团队设计了一个接纳自上而下设计理念的多智能体流程PosterAgent
。

首先全局地将整个文档重组为精练、连贯的章节，然后举行局部精炼，以实现颗粒度对齐
。

详细包括三个要害组件：

剖析器（Parser）：将工具和基于LLM的摘要相连系，提取要害文本和视觉内容，天生结构化摘要库（如各章要点、主要图表）妄想器（Planner）：匹配文本与图表，并用二叉树结构战略将其连贯排列，通过放大（zoom-in）机制迭代天生面板
；嬷破-谈论器（Painter-Commenter）：绘制器将内容转为精练的要点列表和用于渲染的可执行代码，而VLM作为谈论器提供结构反响，确保整体连贯性和阻止溢出
。逾越GPT-4o？

眼见为实，为验证PosterAgent天生效果，研究职员用Paper2Poster评估了四类基线要领：

理想化要领（Oracle methods）：包括原始PDF和作者设计的海报GT Poster，作为最佳泛起基准
。端到端要领（End-to-end methods）：使用GPT-4o多智能体事情流（Multi-agent work flows）：使用OWLPPTAgentPosterAgent：框架变体分两种，PosterAgent-4o在内部LLM 和VLM谈论器均使用GPT-4o，PosterAgent-Qwen的文本天生使用Qwen-2.5-7B，谈论器则使用Qwen-2.5-VL-7B
。

实验效果批注，在视觉质量和文本连贯性上，虽然4o-Image抵达了最高的视觉相似度，但它也纪录了最差的疑心度，说明天生的海报可能乍一看吸引人，但现实细看全是嘈杂或不连贯的文本
。

PosterAgent则实现了最高的图形相关性，在视觉相似度上也紧随人类设计的海报
。

当VLM评判时，PosterAgent-4o的平均得分为3.72，抵达了与人类设计海报相当的水平，而PPTAgent由于经常天生无意义的文本或大片空缺区域，因此得分都较低
。

在PaperQuiz上，也能发明PosterAgent变体始终取得最佳分数
。

值得注重的是，PosterAgent-4o虽然依据GPT-4o实现了冗长输出，但基于开源的Qwen-2.5系统变体在原始准确率上更胜一筹，说明PaperQuiz在评估时，内容量很主要，但泛起质量更主要
。

团队还盘算了差别要领下的平均token本钱，PosterAgent仅使用101.1K和47.6Ktoken，相较于OWL-4o本钱降低了60%-87%，相当于每张海报只需要0.55美元（基于4o）或0.0045美元（基于Qwen）
。

最后为了利便各人更直观地相识几种要领的海报天生效果，咱再举个例子
。

这是论文作者自己做的，主题明确，重点突出，色彩搭配也协调
。

这张来自GPT-4o-image，看起来似乎还行？可是仔细看文字，内里照旧有不少乱码
。

这张由GPT-4o-html天生，图片嵌入失败，文本也缺少排版
。

这张出自PPTAgent，天生了大宗空缺区域
。

下面这张来自OWL，同样缺少图像，甚至没有多余色彩填充
。

最后是咱们的PostAgent，比照下来，海报结构清晰明晰，图表与文字匹配度也相当高，在视觉效果上更靠近作者设计的海报
。

扩展一下思绪，也许PosterAgent还可以用于制作课程学习资料
。

公司里的PPT也未尝不可一试
。

以是感兴趣的小同伴们速速珍藏起来这个海报神器～接下来的CVPR、ACL恰恰都可以用上
。

论文链接：https://arxiv.org/abs/2505.21497代码链接：https://github.com/Paper2Poster/Paper2Poster项目链接：https://paper2poster.github.io/

参考链接：[1]https://x.com/real_weipang/status/1927797168171254006[2]https://x.com/_akhaliq/status/1927721150584390129