深度分析
Symbolic Geometric Agent（SGA）：以符號幾何驗證提升教學動畫空間正確性
大型語言模型（LLM）在生成教學動畫時，常因忽略幾何遮擋而產生物件重疊、標籤錯位等「空間幻覺」。為解決此問題，研究團隊提出 Symbolic Geometric Agent（SGA），一種可插拔的符號驗證模組。SGA 攔截 LLM 生成的程式碼，透過部分執行提取符號場景圖，並在偵測到空間衝突時進行目標式修正。
深度分析
大型語言模型（LLM）在生成教學動畫時，常因忽略幾何遮擋而產生物件重疊、標籤錯位等「空間幻覺」。為解決此問題，研究團隊提出 Symbolic Geometric Agent（SGA），一種可插拔的符號驗證模組。SGA 攔截 LLM 生成的程式碼，透過部分執行提取符號場景圖，並在偵測到空間衝突時進行目標式修正。
深度分析
研究針對以Manim從文字生成程式化動畫的挑戰，提出ManimTrainer結合監督微調與GRPO強化學習，以及ManimAgent的Renderer-in-the-loop與文件輔助推理策略，實驗顯示兩階段訓練與代理式推理互補，能顯著提升渲染成功率與視覺相似度。