PosterGen：用多智能体系统自动生成高质量学术海报

对研究人员而言，撰写论文只是第一步。在会议展示阶段，如何将复杂的研究内容浓缩成一张信息清晰、视觉美观、叙事连贯的学术海报，是一项耗时且需要设计经验的任务。

尽管已有自动化工具尝试解决这一问题，但大多数方法仅关注内容迁移，忽视了排版逻辑、视觉层次与美学一致性，导致生成结果仍需大量人工调整——这不仅削弱了效率优势，也限制了其实际可用性。

为突破这一瓶颈，来自石溪大学、纽约大学、不列颠哥伦比亚大学、浙江大学和加州大学洛杉矶分校的研究团队提出了 PosterGen ——一个基于大语言模型（LLM）的多智能体框架，旨在模拟专业海报设计师的工作流程，从内容组织到视觉呈现全流程自动化生成高质量学术海报。

• 项目主页：https://y-research-sbu.github.io/PosterGen
• GitHub：https://github.com/Y-Research-SBU/PosterGen
• Demo：https://huggingface.co/spaces/Y-Research-Group/PosterGen

该系统不仅能准确提取论文核心信息，还能遵循设计原则完成布局规划与风格设计，最终输出可直接用于会议展示的成品海报，大幅减少人工干预。

为什么自动做海报这么难？

学术海报不同于普通PPT或文档，它需要在有限空间内实现三个目标：

1. 语义保真：准确传达研究动机、方法、结果与结论；
2. 叙事清晰：引导观众按逻辑顺序理解内容（如“问题—方法—结果”）；
3. 视觉友好：通过排版、色彩、留白等设计手段提升可读性与吸引力。

现有工具往往只解决第一点，而将后两点留给用户手动完成。根本原因在于：设计不是装饰，而是一种结构化决策过程。

PosterGen 的核心思路是：将专业设计师的思维过程拆解为多个可执行的智能体模块，通过协作完成端到端生成。

系统架构：四个智能体，各司其职

PosterGen 采用四阶段多智能体架构，每个智能体专注于特定任务，并嵌入相应的设计原则作为约束条件：

1. 解析器与策展智能体（Parser & Curator Agent）

• 功能：读取输入论文（PDF），提取文本段落、图表、公式等关键元素。
• 创新点：使用“ABT叙事结构”（Assertion-But-Therefore）组织内容流：
  • Assertion：我们做了什么？
  • But：遇到了什么挑战？
  • Therefore：我们如何解决并得出结论？
• 输出：结构化的故事板（Storyboard），定义各部分内容的逻辑顺序。

这一结构确保海报具备清晰的叙事主线，避免信息堆砌。

2. 布局智能体（Layout Agent）

• 功能：将故事板映射为空间布局。
• 设计约束：
  • 采用三栏式布局，符合人类自然阅读习惯；
  • 引入类CSS的盒模型（Box Model）管理元素间距与对齐；
  • 动态计算每个模块高度，避免内容溢出或空白过多。
• 输出：带有位置、尺寸、层级关系的布局方案。

3. 风格智能体（Stylist Agents）

• 包含两个子模块，分别处理视觉与文字表现：

颜色智能体（Color Agent）

• 分析论文主题与图表色调，生成主色+辅色+强调色的协调配色方案；
• 遵循对比度标准，确保文字可读性。

字体智能体（Typography Agent）

• 构建三级排版体系：
  • 标题（大字号、加粗）
  • 小节标题（中等字号）
  • 正文（清晰易读字体）
• 控制行距、段间距，增强信息层级。

4. 渲染器（Renderer）

• 接收所有元数据（内容、位置、样式），调用 python-pptx 生成标准 PPTX 文件；
• 支持导出为高分辨率 PNG，适配打印与数字展示需求。

整个流程无需人工干预，平均生成时间在2分钟以内。

评估方式：用视觉-语言模型打分

传统评估多依赖人工评分，成本高且主观性强。为此，团队提出一种基于视觉-语言模型（VLM）的自动化评分机制，作为“虚拟专家评审”。

该机制从两个维度评估生成海报：

1. 内容质量

• 是否完整覆盖论文关键信息？
• 叙事是否连贯？有无事实错误？
• 文本密度是否适中？有无信息过载？

2. 设计质量

• 布局平衡：元素分布是否均匀，有无严重偏重？
• 可读性：字体大小、颜色对比是否利于远距离阅读？
• 美学一致性：配色、字体、图标风格是否统一？
• 设计原则应用：是否体现对齐、邻近、重复、对比四大基本原则？

VLM 被提示以“专业设计师”身份打分，结果与人工评估高度相关（ρ > 0.85）。

实验结果：内容不丢，设计更优

在多个真实论文数据集上的测试表明，PosterGen 在保持内容保真度的同时，显著提升了设计质量。

尤其在跨领域论文（如生物信息学、机器人学）上，PosterGen 展现出良好的泛化能力，生成的海报可直接用于会议张贴，仅需极少量调整。

此外，在用户调研中，87%的参与者认为 PosterGen 生成的海报“接近或优于自己手工制作的初稿”。