論文の概要: Wyvern: An Agentic Framework for Generating Grounded Multimodal Reports

• arxiv url: http://arxiv.org/abs/2608.14446v1
• Date: Fri, 14 Aug 2026 16:31:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.441557
• Title: Wyvern: An Agentic Framework for Generating Grounded Multimodal Reports
• Title（参考訳）: Wyvern: 接地型マルチモーダルレポート生成のためのエージェントフレームワーク
• Abstract要約: We propose Wyvern, a framework for the automated generation of grounded, multimodal technical reports。 提案する枠組みの質を評価するために,人間による評価研究を行う。 その結果、ワイバーンの報告は87%の症例において、最近のベースラインよりも優れていると判断された。
• 参考スコア（独自算出の注目度）: 8.43839128008673
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the current artificial intelligence-driven innovation era, the pace of knowledge growth is accelerating, and is hard to keep up with. While generative models are increasingly used to synthesize content, they often lack in information grounding. To address these peculiarities of our time, we propose Wyvern, a multi-agent framework for the automated generation of grounded, multimodal technical reports. Wyvern allows for the generation of multimodal outputs, integrating images, tables, and text with supporting references in a unified report. Additionally, a particular focus is placed on the grounding of the content, with the implementation of a claims auto-revision stage. We conduct a human evaluation study to assess the quality of our proposed framework. The results show that the figures' informativeness is perceived as superior to that of a recent baseline in 87% of cases. Furthermore, Wyvern's reports are rated as more useful than those produced by three alternative methods in 63% to 100% of instances. We also carry out automatic evaluations showing that Wyvern gains up to 2.3$\times$ in citation recall and 1.6$\times$ in citation precision with respect to the baselines.
• Abstract（参考訳）: 現在の人工知能によるイノベーションの時代では、知識の成長のペースは加速しており、追いつくのは難しい。 生成モデルは、コンテンツを合成するためにますます使われるが、情報基盤の欠如がしばしばある。 このような時代の特異性に対処するため、我々は、基盤化されたマルチモーダルな技術レポートの自動生成のためのマルチエージェントフレームワークであるWyvernを提案する。 Wyvernはマルチモーダル出力の生成を可能にし、画像、テーブル、テキストを統一されたレポートでサポートしている。 さらに、クレームの自動修正ステージの実装により、コンテンツの基礎に特に焦点が当てられている。 提案する枠組みの質を評価するために,人間による評価研究を行う。 その結果,87%の症例では,近年のベースラインよりも情報性が優れていた。 さらに、Wyvern氏のレポートは、インスタンスの63%から100%において、3つの代替メソッドによって生成されるものよりも有用であると評価されている。 また、Wyvernは、引用リコールにおいて2.3$\times$、ベースラインに関して1.6$\times$まで上昇することを示す自動評価を行う。

関連論文リスト

• HiEviDR-Bench: A Benchmark for Hierarchical Evidence Aggregation in Deep Research [52.87128503345243]
  我々は,Deep Researchにおける階層的エビデンス・アグリゲーションを評価するためのベンチマークであるHiEviDR-Benchを紹介する。 HiEviDR-Benchは、エビデンスの選択、クロスソースリンク、アグリゲーションをキャプチャする明示的なエビデンスグラフを持つ各インスタンスを表す。 報告品質,エビデンストレーサビリティ,引用精度,クレーム検証,回答正当性という5次元のトレーサビリティ指向評価フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-27T23:50:46Z)
• MultAttnAttrib: Training-Free Multimodal Attribution in Long Document Question Answering [73.47440561592556]
  トレーニング不要な属性生成手法であるMultAttnAttribを紹介する。 MultAttnAttribは、様々な属性生成方法よりも一貫して優れていることを示す。 提案手法は直接推論遅延の最大7分の1の属性を生成する。
  論文  参考訳（メタデータ） (2026-07-01T19:29:19Z)
• Evidence-Supported Credit Risk Report Generation Using News-Centric Financial Knowledge Graphs [7.420584218069742]
  FinKG-Newsは、事実、企業中心、環境対応の知識グラフを自動的に構築するフレームワークである。 我々は,3つの中核的な財務面にわたる信用リスクレポート生成のためのコンテキスト内学習アーキテクチャを開発する。 我々のアプローチは、幻覚を減らしながら品質を19%-34%向上させ、ベースラインを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-07-01T14:56:27Z)
• Towards Verifiable Multimodal Deep Research: A Multi-Agent Harness for Interleaved Report Generation [74.0621258662676]
  レポート生成のためのマルチエージェントハーネスであるPtahを提案する。 Ptahは計画、研究、執筆段階を通じて、ユーザクエリからレンダリングされたWebレポートまでのライフサイクルを編成する。 検証エージェントがハーネスの受け入れ機能として機能し、ワークフロー全体を通して事実的接地、引用の忠実性、相互の整合性を強制する。
  論文  参考訳（メタデータ） (2026-05-28T12:40:34Z)
• Who Generated This 3D Asset? Learning Source Attribution for Generative 3D Models [66.3899679538548]
  生成可能な3Dモデルは、ゲーム、ロボティクス、没入型生成にデプロイされる。 どの生成モデルが生成したのかを特定できますか。 この問題は、分散属性信号と現実的なデプロイメント制約という、2つの主要な課題に直面している。
  論文  参考訳（メタデータ） (2026-05-18T09:36:48Z)
• DR$^{3}$-Eval: Towards Realistic and Reproducible Deep Research Evaluation [55.02569059688697]
  Deep Research Agents (DRA) は、計画、検索、マルチモーダル理解、レポート生成を含む、複雑で長期にわたる研究課題を解決することを目的としている。 DR$3$-Evalは,マルチモーダル・マルチファイルレポート生成におけるディープリサーチエージェントの評価のための,現実的で再現可能なベンチマークである。
  論文  参考訳（メタデータ） (2026-04-16T06:40:02Z)
• Seeing Through the MiRAGE: Evaluating Multimodal Retrieval Augmented Generation [75.66731090275645]
  マルチモーダルソースからの検索拡張生成(RAG)評価フレームワークであるMiRAGEを紹介する。 MiRAGEは、InfoF1とCiteF1で構成されるマルチモーダルRAG評価のためのクレーム中心のアプローチである。
  論文  参考訳（メタデータ） (2025-10-28T18:21:19Z)
• Improving Speech Emotion Recognition with Mutual Information Regularized Generative Model [28.107097945179905]
  クロスモーダル情報転送と相互情報正規化を支援するデータ拡張フレームワークを提案する。 このフレームワークはIEMOCAP, MSP-IMPROV, MSP-Podcastの3つのベンチマークデータセットでテストした。
  論文  参考訳（メタデータ） (2025-10-11T07:29:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。