**TVIR: 构建面向图文交错报告生成的深度研究智能体**

_TVIR: Building Deep Research Agents Towards Text--Visual Interleaved Report Generation_

> 本文提出TVIR，包含一个由100个专家策划的多模态深度研究任务基准（TVIR-Bench），以及一个分层多智能体框架（TVIR-Agent），该框架能构建大纲、检索图像、生成图表并撰写报告。同时开发了双路径评估框架，结合文本与视觉评估。实验表明TVIR-Agent性能优越，强调了显式多模态设计与评估对证据驱动报告生成的重要性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.02320)