探索生成高质量数学可视化教具的智能体工作流

数学图形在K-12教育中扮演关键角色：既是题目组件，也是学生理解的脚手架。但当前AI工具（包括大语言模型）即便给出详细描述，也难以可靠生成准确且符合教学法的视觉图形——中学数学图形的可靠生成仍存在显著空白。为此我们引入一个智能体工作流：使LLM智能体能够评估生成视觉的质量，并利用该反馈迭代改进输出。这一自改进回路旨在提升AI生成图形的准确性与教育适宜性。研究考察两个问题：其一，给定视觉质量的具体标准，LLM能否准确为一个可视化教具生成质量保证问题；其二，给定有效的质量保证问题，视觉语言模型能否有效评估生成的K-12视觉教具并利用反馈迭代改进。我们对工作流开展探索性评估并识别关键改进方向：更强的空间推理，以及生成质量保证问题中对图形特征更全面的覆盖。结果为该方法能提升AI生成数学图形的可靠性与教育价值提供初步证据。