知识卡片：Wyvern——生成有据可依的多模态报告的多智能体框架

英文标题：Wyvern: An Agentic Framework for Generating Grounded Multimodal Reports
英文关键词：foundation-model; agentic framework; grounded multimodal reports; multi-agent
原始来源：arXiv:2608.14446v1 [cs.AI]（https://arxiv.org/abs/2608.14446v1）

一句话结论

Wyvern 是一个面向“有据可依（grounded）多模态技术报告”自动生成的多智能体框架。作者报告它生成的图表信息量更高、报告更有用，并在引文召回率和精确率上显著超过基线；但当前可获取材料仅为摘要，系统细节和评测过程待核实。

事件概述/研究问题

背景：作者认为在 AI 驱动的创新时代，知识增长速度快，人类难以跟上；生成模型虽越来越多用于内容合成，但常常缺乏信息依据（grounding）。
问题：如何自动生成既包含多模态内容（图像、表格、文本），又能提供支撑参考文献、且内容经过依据校验的技术报告。
提议：Wyvern 多智能体框架，将报告生成与内容 grounding 结合，并引入“论断自动修订（claims auto-revision）”阶段。

方法/产品要点

多智能体框架（multi-agent framework）：具体智能体角色、协作流程、模型配置未在摘要中给出，待核实。
多模态输出：将图像、表格、文本整合为统一报告（unified report）。
参考文献支撑：在报告中纳入 supporting references。
论断自动修订：对报告中的 claims 做自动修订以增强 grounding；其具体机制待核实。

主要结果或产业意义

人工评估（作者报告）：
- 图表信息量：在 87% 的案例中被认为优于近期基线。
- 报告有用性：与三种替代方法相比，在 63% 到 100% 的实例中被评为更有用。
自动评估（作者报告）：
- 引文召回率（citation recall）：最高达基线方法的 2.3 倍。
- 引文精确率（citation precision）：最高达基线方法的 1.6 倍。
产业意义：如果结果可复现，Wyvern 这类框架可望用于自动生成技术综述、企业内部研究报告、趋势扫描等需要“带引用、可核查”的知识工作场景。

为什么重要

现有生成模型经常“能写但不稳”，Wyvern 把“信息依据”作为核心设计目标，而非事后贴参考文献。
摘要显示，Wyvern 试图把“依据校验/论断修订”做成框架内环节，为多智能体框架的质量控制提供了示例。
自动技术报告生成是与 CausalForge、APS-RAG、VetClaw 不同的垂直场景，增量在于同时处理多模态整合、引用支撑和论断修订。

与既有脉络的关系

本条与已有“CausalForge”“APS-RAG”“VetClaw”卡片同属 AI 智能体/框架类工作，但场景不同：CausalForge 面向因果推断的形式化验证，APS-RAG 面向科学设施知识检索，VetClaw 面向兽医疾病筛查。
Wyvern 的增量信息是：它聚焦“技术报告自动生成”，并用引文召回率/精确率等指标评估生成内容的有据可依性；该指标口径和基线名称待核实。

局限与不确定性

本卡片基于 arXiv 摘要（2608.14446v1），未获得全文/附录。
下列细节均为待核实：框架内部智能体结构与分工、基线方法名称、人工评估的样本量和评分方式、引文指标的具体统计口径、是否有同行评审。
作者报告中的百分比和倍数来自摘要，尚未核验为正式发表版本。

可用于图书/PPT/简报的角度

“多智能体 + 自动写作”案例：展示智能体协作如何用于长文档、技术报告生成。
“可信 AI 内容”角度：从单纯追求流畅生成，到用引用召回率/精确率等指标度量内容的可溯源性和可靠性。
“智能体框架横向比较”角度：可对比 CausalForge（验证）、APS-RAG（检索）、VetClaw（多模态医疗）和 Wyvern（报告生成），说明同一技术趋势在不同垂直场景的落地差异。

原始材料

英文标题：Wyvern: An Agentic Framework for Generating Grounded Multimodal Reports
arXiv ID：2608.14446v1
作者：Beatrice Alessandra Motetti, Emilien Guandalino, Daniele Jahier Pagliari, Alessio Burrello, Lorenz K. Müller, Konstantin Berestizshevsky, Lukas Cavigelli
发布/更新：2026-08-14T16:31:43Z
分类：cs.AI
摘要链接：https://arxiv.org/abs/2608.14446v1
PDF 链接：https://arxiv.org/pdf/2608.14446v1
摘要原文：

In the current artificial intelligence-driven innovation era, the pace of knowledge growth is accelerating, and is hard to keep up with. While generative models are increasingly used to synthesize content, they often lack in information grounding. To address these peculiarities of our time, we propose Wyvern, a multi-agent framework for the automated generation of grounded, multimodal technical reports. Wyvern allows for the generation of multimodal outputs, integrating images, tables, and text with supporting references in a unified report. Additionally, a particular focus is placed on the grounding of the content, with the implementation of a claims auto-revision stage. We conduct a human evaluation study to assess the quality of our proposed framework. The results show that the figures' informativeness is perceived as superior to that of a recent baseline in 87% of cases. Furthermore, Wyvern's reports are rated as more useful than those produced by three alternative methods in 63% to 100% of instances. We also carry out automatic evaluations showing that Wyvern gains up to 2.3$\times$ in citation recall and 1.6$\times$ in citation precision with respect to the baselines.