APEX是首个专用于交互式学术海报编辑的智能体框架，该框架包含两个核心设计：一个强大的多级 API 套件以及一个审查和调整机制，在处理学术海报的高密度布局方面表现出色，同时确保局部化、精确的控制。

今天给大家介绍的工作是华东师范大学Planing Lab提出的APEX（Academic Poster Editing Agentic Expert），这是首个面向交互式学术海报编辑的Agent框架。给定一个输入的 PPTX 文件和一个自然语言指令（可选地附带一份纸质 PDF 文件），APEX 会解析海报，规划编辑操作，执行用于 PPTX 编辑的多级 API，并审查和完善编辑结果。

使用示例

1. 使用 PosterGen 制作的海报： 使用 PosterGen 制作的海报： 替代文字

2. 用户说明：交换“语义感知方法”部分和“主要发现”部分的位置。然后将“主要发现”部分重组为左右两列等宽的栏目：将“主要发现”部分的文本内容放在左列，图片放在右列。移除“理论结果”部分的图片。在中间栏的两个部分之间插入一个名为“语义感知鲁棒性”的新部分，分别用两行文字介绍“对抗示例”和“过度鲁棒示例”。最后，调整中间栏的间距，使其在视觉上合适，避免重叠或溢出。 3. 编辑后的海报：替代文字

相关链接

• 论文：https://arxiv.org/abs/2601.04794
• 代码：https://github.com/Breesiu/APEX

概述

APEX 提供了一个完整的流程来编辑现有的学术海报（PPTX）：

• 将 PPTX 解析为结构化的 Json 表示。
• 指令驱动规划，将用户请求转换为一系列编辑 API 调用。
• 可选的论文理解（PDF），可根据论文内容进行改写或添加。
• 审核和调整，以检测布局和其他问题并进行修复。
• 评估工具（例如，基于 LangSmith 的评判/基准测试脚本）。

方法概述

多智能体海报编辑流程概述。该框架包含三个协作阶段：

1. 语义解析和元素序列化：将源海报 Psrc 解析为结构化的 JSON 数据 PJ src，提取所有元素属性以实现细粒度控制。
2. 规划和执行：集中式智能体综合用户指令 I、视觉表示 PV src 和 JSON 数据 PJ src 生成执行计划。它还可以选择性地调用论文理解工具从论文 M 中提取内容，然后再调用多级 API 修改 .pptx 文件。
3. 审核和调整：质量保证智能体将编辑后的视觉输出 PV edited 与原始 PV src 和用户指令 I 进行比较，重点验证修改后的元素，并通过额外的 API 调用进行调整，以确保视觉效果和指令的一致性。

APEX-Bench 的数据构建流程。采用“模型辅助，人工优化”策略，该工作流程包含三个阶段：

1. 数据源准备，通过 PosterGen 从源论文中合成初始草稿；
2. AI 指令生成，利用视觉模型进行差距分析和美学优化，以生成初步的编辑指令；
3. 人工优化，专家验证并调整指令，以确保其可行性和高质量。

成本表示每次编辑的平均美元成本。

实验结果

APEX-Bench 的性能比较。I.F.：指令执行率，M.S.：修改范围，V.C.：视觉一致性。

结论

APEX是首个专用于交互式学术海报编辑的智能体框架，该框架包含两个核心设计：一个强大的多级 API 套件以及一个审查和调整机制，在处理学术海报的高密度布局方面表现出色，同时确保局部化、精确的控制。为了支持该领域的系统性研究，进一步引入了 APEX-Bench，一个包含 514 条编辑指令的基准测试，并建立了一个多维度的基于虚拟模型的评估协议。实验结果表明，APEX 在指令执行和视觉一致性方面显著优于基于重生成的和通用的幻灯片编辑基线同时保持了修改范围。