arXiv cs.CL· Haoxiang Cao, Yuxuan Zhang, Penghui Du, Bo Li, Jiajiong Cao, Yingying Fan, Zimeng Wu, Yifu Luo, Mingzhe Zheng, Junwen Miao, Huaisong Zhang, Yang Yao, Yu Wang, Dongfu Jiang, Ping Nie, Wenhu Chen, Chaoqun Wang, Changqian Yu, Kelsey R. Allen·· 10 小时前AI 评分38
LongBanana：面向长上下文多参考图像合成的专家验证基准
LongBanana: An Expert-Verified Benchmark for Long-Context Multi-Reference Image Synthesis
AI 导读
研究者提出 LongBanana，一个面向长上下文多参考图像合成的专家设计与验证基准，含 90 个任务、每任务约 32 张参考图与 20 条约束，共 4,670 个原子评估项。
正文 · AI 翻译
作者：Haoxiang Cao、Yuxuan Zhang、Penghui Du、Bo Li、Jiajiong Cao、Yingying Fan、Zimeng Wu、Yifu Luo、Mingzhe Zheng、Junwen Miao、Huaisong Zhang、Yang Yao、Yu Wang、Dongfu Jiang、Ping Nie、Wenhu Chen、Chaoqun Wang、Changqian Yu、Kelsey R. Allen
摘要：我们提出 LongBanana，据我们所知，这是智能体驱动图像生成时代首个由专家设计并经专家验证的长上下文多参考图像合成基准。该任务要求检索分散的视觉证据、排除干扰项、绑定实体与关系，并基于多张参考图合成一张连贯的最终图像。LongBanana 包含 90 个精心设计的任务，按 3×3 分类体系组织；每个任务包含约 32 张参考图像、20 条约束和 50 个评估项，总计产生 4,670 个由专家指定的原子评估项。其基于图的评估设计为每个任务实例化参考图像和实体-关系图，然后将节点、边和全图义务转换为内容保真度、关系绑定和全局约束满足的检查清单项。经审核的专家标签包括一个 15% 的双标注子集，其完全一致率为 89.4%，二次加权 kappa 为 0.83。我们进一步提出 LongBanana-Gen，一个用于长时程图像生成的智能体框架；实验表明，最小智能体框架优于直接生成，而 ReAct-Plan-Exec-Reflect（RPR）工作流通过加强证据基础和修复，产生依赖于框架的增益。总之，LongBanana 为衡量密集视觉证据使用提供了一个可审计的测试平台，并为开发更强的智能体驱动图像生成系统提供了一个共同目标。代码和数据可在项目页面获取：this https URL。
| 注释： | NeurIPS 2026 评估与数据集赛道。项目页面：this https URL |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算与语言（cs.CL） |
| 引用为： | arXiv:2611.06856 [cs.CV] |
| （或 arXiv:2611.06856v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06856 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：HaoXiang Cao [查看电子邮件]
[v1]
2026年11月4日星期三 18:11:56 UTC（11,055 KB）
来源：arXiv cs.CL · arxiv.org