PosterForest：用于科学海报生成的分层多智能体协作

自动化科学海报生成需要分层文档理解和连贯的内容-布局规划。现有方法常依赖平面摘要或独立优化内容和布局，导致信息丢失、逻辑流程薄弱和视觉平衡差。我们提出了 PosterForest，一个无需训练的科学海报生成框架。该方法引入了海报树（Poster Tree）结构化中间表示，跨越多个层次捕获文档层次结构和视觉-文本语义。基于该表示，内容智能体和布局智能体进行分层推理和递归细化，逐步从全局组织到局部构图优化。这种联合优化提升了语义连贯性、逻辑流畅性和视觉和谐性。实验表明，PosterForest 在自动评估和人类评估方面均优于先前方法，且无需额外训练或领域特定监督。