基于大语言模型的 Manim 动画生成的训练与代理推理策略

本文针对大语言模型在生成 Manim 程序化动画时面临的挑战，提出了统一的训练与推理框架。训练方面，引入 ManimTrainer 流水线，结合监督微调与基于群相对策略优化的强化学习，融合代码与视觉评估信号。推理方面，设计 ManimAgent，采用渲染器闭环及文档增强策略。实验评估了 17 个开源模型，结果表明该组合策略显著提升了代码质量与视觉输出效果，最优配置在视觉相似度上超越 GPT-4.1 基线，揭示了训练与代理推理策略在文本转视频任务中的互补作用。