#Agentic Framework

5 篇

VTR-Bench: A Systematic Benchmark for Evaluating Visual Text Rendering in Video Generation

VTR-Bench：视频生成中视觉文本渲染的系统性评测基准

🧭 视频生成评测 · 文本渲染

City University of Hong Kong · The Hong Kong University of Science and Technology (Guangzhou) · The Hong Kong Institute of AI for Science, City University of Hong Kong · Westlake University · University of Electronic Science and Technology of China

系统评估视频生成模型的场景文本渲染能力，并提出关键帧引导的Agentic改进框架

📌 工作参考价值（4 点）

广告/商品视频生成：引入 WER/字符级 OCR 校验，把品牌名、价格、卖点文案作为硬性 text fidelity 指标，纳入 AIGC 创意 pipeline 的自动验收，避免错误文案上线。
关键帧先验与迭代：在生成视频前先用图像模型生成并校验关键帧文字，通过视觉反馈做 candidate selection / refinement；这比直接烧视频生成更省成本，适合筛选电商展示素材。
Agentic Director 架构可迁移：Director 协调图像/视频生成与视觉评估，把“生成-检查-修正”闭环用于多模态广告 Agent，结合 prompt-specific chain-of-query 同时检查场景/运动约束。
评测分离 fidelity 与 semantic/motion：自动评测时用 carrier-specific transcription 和 chain of query，避免单一 VLM 打分；对多模态 Agent 输出的结构化和可归因评估有参考价值。

Eval | 2026-09-30 | HF Daily | score 6/10

Agentic Detection of Online Conspiracies

基于Agent的在线阴谋论检测

🧭 Agent结合社交上下文的意图推断

Department of Computer and Information Science, Ben-Gurion University of the Negev, Israel

提出Agentic框架按需查询社交上下文，在希伯来推文阴谋论检测中显著优于纯文本和非Agentic上下文模型

📌 工作参考价值（4 点）

在内容安全/评论审核场景，纯文本分类难以识别反讽、阴阳怪气、隐晦攻击；可引入用户历史行为、商品上下文等作为额外信号，构建工具化上下文查询，让Agent按需取用。
架构上不要一次性把所有上下文塞进prompt（token爆炸且干扰推理），而是设计轻量检索工具+逐步推理，每次只拉取与当前判断最相关的证据；论文的token economy分析可指导生产中的成本控制。
该工作显示Agentic工作流优于非Agentic但暴露相同上下文的模型，说明动态控制上下文获取过程本身有价值，可用于电商用户意图识别、评论情感分类等需要意图推断的任务。
工程落地可设置max tool calls、缓存高频查询或预计算用户/商品侧索引，平衡效果与推理开销。

Agent | 2026-09-24 | cs.LG | score 6/10

Agentic Framework Social Context Conspiracy Detection Tool Use Illocutionary Force Social Media

A knowledge-guided agentic framework for mitigating patient-context ambiguity in health queries

知识引导的智能体框架缓解健康查询中的患者上下文歧义

🧭 知识引导的查询澄清Agent

在LLM前插入知识图谱驱动的澄清Agent，主动追问缺失患者信息，大幅提升下游回答准确性与一致性

📌 工作参考价值（4 点）

可在电商搜索/推荐入口前增加轻量级澄清层：用商品知识图谱（属性、类目、场景标签）枚举可能的意图假设，识别区分度最高的缺失属性（如价格带、适用人群、使用场景），生成1-2个针对性追问，而非直接让LLM回答，从而降低用户短查询的歧义。
保持下游LLM/推荐模型不变，只需将原始query与收集到的用户上下文拼接成 clarified prompt 注入，避免微调成本；澄清问题由知识图谱驱动，减少无关追问，控制交互轮次。
评估澄清效果可借鉴论文指标：对比澄清前后的 Top-1 准确率、Recall@5，以及多次生成结果的预测一致性（如熵或方差），用于衡量上下文补充对模型不确定性的降低。
对线上系统可按不确定性触发澄清：先让LLM对query生成候选答案并计算置信度，仅对低置信度或意图分布分散的query启动澄清流程，平衡用户体验与转化率。

Agent | 2026-08-20 | cs.CL | score 7/10

Agentic Framework Knowledge Graph Query Clarification LLM Uncertainty Reduction Healthcare

WorldClaw: Agentic 3D Open-World Generation at Scale

WorldClaw：大规模智能体三维开放世界生成

🧭 Agent 驱动的 3D 开放世界生成

Tencent Hunyuan

利用规划代理和渲染代理从文本生成全局一致、可编辑的大规模 3D 开放世界，实现粗到细的生成

📌 工作参考价值（4 点）

借鉴其“意图分析-全局规划-区域细化”的分层 Agent 架构，在设计搜索/推荐助手 Agent 时，对复杂用户需求进行结构化分解与分步执行。
利用渲染反馈循环（render-based agents）进行自改进的思路，可用于电商推荐文案/图片生成的自我优化，通过生成后的评测反馈迭代提升质量。
将生成过程建模为可编辑资产（可复用、可调整）的理念，可以迁移到推荐解释生成或广告素材生成，确保生成的元素可独立调整和组合。
虽然主要是3D生成，但其coarse-to-fine流程可启发推荐系统中的多阶段生成（如先规划品类再细分子项）。

Agent | 2026-08-04 | HF Daily | score 6/10

3D Generation Open-World Agentic Framework Coarse-to-fine Text-to-3D Editable Assets

Closed-Loop Triplet Synergistic Generation for Long-Form Video

闭环三元协同长视频生成

🧭 闭环视觉-文本-记忆协同的长视频生成

University of Science and Technology of China · Microsoft Research Asia

提出闭环视觉-文本-记忆协同框架，迭代纠正多镜头视频中的身份漂移和不一致问题。

📌 工作参考价值（4 点）

闭环验证-修正机制可迁移至生成式推荐：在生成商品描述、个性化文案时，引入VLM或评判模型检测生成结果与用户意图/商品属性的一致性，自动触发重生成或prompt refine。
实体中心记忆可用于用户/物品的长期建模：维护一个可更新的记忆状态，追踪实物属性变化和跨会话演进，提升多轮对话推荐或个性化agent的连贯性。
代理框架分解复杂生成任务：将长流程切分为规划-执行-批评的agent回路，可用于搜索推荐流程自动化（如自动选品、策略组合、创意生成）。
多镜头一致性优化思想可用于视频广告素材生成：确保多个片段中品牌/产品视觉元素保持一致，提升广告质量。

Multimodal | 2026-06-15 | cs.MM | score 6/10

Video Generation Agentic Framework Closed-Loop Memory Vision-Language Model Consistency