信息图生成不再二选一：全局重画与局部修字分流，开源生成器反超闭源模型
核心概要
信息图要求一张图同时满足文字、数值、图表和版式等大量约束，而现有迭代修正方法存在尺度错配：局部编辑改不动整体构图，整图重画又会破坏已经正确的区域。Stride把约束判定与空间定位拆开，由主编辑智能体按错误尺度把修改分派给负责全局重画的composer或负责局部修字的retoucher，并且只在验证器分数严格提升时接受候选。在BizGenEval上，搭配开源Infographic-V2的Stride取得69.5分，高于Nano-Banana-2.0的68.5分和Seedream-5.0-Pro的65.7分。
深度剖析
信息图生成现在可以在不改动生成器权重的前提下，按错误的大小选择修改范围：整体构图出错就重画，个别文字或公式出错就只改那一块。 此前的智能体式方法要么只做一次性的提示词改写，要么依赖整图重生成，前者难以落实细粒度约束，后者会扰动已经通过验证的正确区域。 在BizGenEval上，搭配ERNIE-Image和Infographic-V2的Stride分别把冻结生成器的总分从28.0和41.1提升到51.1和69.5，比同生成器下最强的智能体基线Gen-Searcher分别高23.4和26.3分。
每一轮修改前，系统先判断哪条约束没满足，再定位它在画面中的位置，然后才决定交给哪个子智能体。 判定与定位由两个独立的多模态模型分工：验证器按原子评分项逐条给出通过或不通过，感知器输出区域级描述，包括物体位置、渲染出的文字和属性与区域的对应关系。 在BizGenEval的消融中，把感知器加入主编辑加composer加retoucher的配置后，三轮迭代的硬分从48.9升到51.1；主编辑的选择也随错误类型变化，版式问题约九成交给composer，文字问题约八成交给retoucher。
候选图像只有在验证器分数严格变好时才替换当前最优图，否则保留原图，因此多轮迭代不会把已经正确的部分改坏。 随机替换和强制替换在同样候选预算下都明显落后，说明收益不只来自多采样。 在BizGenEval上，候选数为四时，强制替换的平均硬分为45.4，保留当前最优的进化策略为51.1；候选数从一增到四时，进化策略从45.6升到51.1。
启示与展望
展示范围是信息图与知识约束图像生成：BizGenEval覆盖幻灯片、网页、海报、图表和科学图五类内容，IGenBench覆盖30种信息图类型，WISE覆盖文化、时空与自然科学三类间接描述提示。适用读者是研究文本到图像生成可靠性与智能体式修正的工程师；方法作用于冻结的生成器，不需要重新训练。原文提出的下一步是把局部修正从文字和公式扩展到图表几何与空间关系等结构化视觉元素。
原文指出，修正效果仍依赖评分项验证与空间定位的可靠性，单调接受只针对内部验证器分数，并不保证在独立评估下也提升；诊断实验显示验证器有时会接受较差更新或拒绝有益更新。当前retoucher只处理局部区域内的文字与公式替换，图表几何和空间关系的改动仍依赖composer整图重生成。本报告依据的是全文文本，未独立复核基准评测与人工评估的原始数据。