DataEvolver: Self-Evolving Multi-Agent Data Construction for Text-Rich Image Generation

• 类型：arxiv
• 标识：2606.31537
• 链接：https://arxiv.org/abs/2606.31537
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Experiments on text-rich image generation benchmarks show that DataEvolver produces more useful training data than fixed-dataset baselines under matched data budgets, and results suggest that rejected samples can provide actionable feedback for improving text-rich image data construction.
• OpenAlex ID：W7166815553
• OpenAlex DOI：10.48550/arxiv.2606.31537
• DOI：10.48550/arxiv.2606.31537
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2606.31537
• OpenAlex更新：2026-07-19
• 副分类：agent
• 待LLM分类：否
• 标题中文：DataEvolver：面向富文本图像生成的自演化多 Agent 数据构建
• TLDR中文：在富文本图像生成基准上的实验表明，在数据预算匹配条件下，DataEvolver 比固定数据集基线生成更有用的训练数据，且结果表明被拒绝的样本可为改进富文本图像数据构建提供可操作的反馈信号。
• 来源文件：
• /inbox/tom/_candidates/2026-07-01-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]