摘要
针对文本丰富图像生成中静态数据流水线易重复失败模式的问题，本文提出 DataEvolver，一种自进化多智能体数据构建框架。该方法将数据构建视为反馈驱动的策略进化过程，通过检索器、验证器、批评者和生成器的协作，利用被拒样本中的失败信号（如 OCR 错误）生成语义反馈，指导下一轮针对性合成。实验表明，在相同数据预算下，该框架显著提升了训练数据质量及下游模型的 OCR 性能。
AI 推荐理由
论文提出自我进化多智能体框架，核心机制为基于反馈的策略进化与迭代优化。
研究机构
Central South University
The Hong Kong University of Science and Technology
论文信息