PaperVoyager：构建基于视觉语言模型的交互式网页
计算与语言
2026-03-31 v2
摘要
最近的视觉语言模型进展使复杂推理、工具使用和文档理解的自主智能体成为可能。然而，现有的文档智能体主要将论文转化为静态产物，如摘要、网页或幻灯片，这对于涉及动态机制和状态转换的技术论文不够。本文提出一种论文到交互式系统的智能体，将研究论文转化为可执行的交互式网页系统。给定 PDF 论文，智能体完成端到端处理，包括论文理解、系统建模和交互式网页合成，使用户能够操控输入并观察动态行为。为评估此任务，我们引入了 19 篇研究论文配合专家构建的交互式系统作为基准。我们进一步提出 PaperVoyager，一种结构化生成框架，在合成过程中显式建模机制和交互逻辑。实验表明，PaperVoyager 显著提升了生成交互式系统的质量，为交互式科学论文理解提供了新范式。
引用
@article{arxiv.2603.22999,
title = {PaperVoyager : Building Interactive Web with Visual Language Models},
author = {Dasen Dai and Biao Wu and Meng Fang and Wenhao Wang},
journal= {arXiv preprint arXiv:2603.22999},
year = {2026}
}
备注
9 pages, 5 figures