VTO Taxonomy Knowledge Base

VTO Taxonomy Knowledge Base

概述

本技能为 Visual Typesetting Optimization (VTO) 任务提供完整的视觉排版缺陷分类知识库。它是 layout-detective-agent 进行逐页视觉诊断的核心参考手册，定义了每一类缺陷的视觉特征、诊断方法、严重等级判定以及与编译日志信号的对应关系。

使用方式：排版侦探 Agent 在对 PDF 页图进行审查时，应逐项对照本手册中的缺陷定义，识别并记录发现的缺陷，输出结构化诊断报告。

---

分类体系总览

VTO 缺陷分为五大类别，每个类别下包含若干具体缺陷类型：

类别	名称	缺陷数量	默认严重等级
A	空间利用缺陷	4	Major
B	浮动体缺陷	4	Major
C	排版一致性缺陷	3	Minor
D	溢出与对齐缺陷	3	Major
E	跨模板迁移缺陷	3	Critical

严重等级说明：

• Critical：必须修复，否则论文不符合投稿要求（编译失败、页数严重不符等）
• Major：严重影响视觉专业度，强烈建议修复
• Minor：影响美观但不致命，可在时间充裕时修复

---

Category A：空间利用缺陷

此类缺陷关注页面空间的分配效率与视觉平衡，核心是判断“空白是否合理”、“段落是否完整”。

A1：孤行/寡行 (Widow/Orphan Lines)

定义：

• 孤行 (Widow)：段落最后一行单独出现在下一页顶部。
• 寡行 (Orphan)：段落第一行单独留在上一页底部。
• 段尾小尾巴：段落末尾一行仅含 1-3 个单词，长度不足栏宽的 1/4。

视觉诊断方法：

1. 逐页检查页面的顶部和底部区域。
2. 若页面顶部第一行为某段落的末行 → 孤行。
3. 若页面底部最后一行为某段落的首行 → 寡行。
4. 对于任意段落末行，目测其长度：若远短于同行其他行（明显短于栏宽的 1/4），记为段尾小尾巴（与孤行/寡行同等对待）。

严重等级判定：

• 出现任意孤行或寡行 → Major
• 仅出现段尾小尾巴（非跨页）→ Minor（但若多处出现，升级为 Major）

与日志信号的关联：无直接日志警告。

常见误判提醒：

• 公式环境或列表环境后的短行可能为正常现象，需结合上下文判断。
• 双栏布局中，左右栏的段落独立判断，不要跨栏比较。

诊断记录格式：

- defect_id: A1
- page: 5
- location: "第 5 页顶部第一行"
- description: "段尾小尾巴：仅含单词 'the proposed method'，长度不足栏宽 1/5"
- severity: minor/major

---

A2：末页大面积留白 (Excessive Trailing Whitespace)

定义：论文最后一页（参考文献之前或之后）存在超过页面高度 20% 的连续空白区域。

视觉诊断方法：

1. 定位 PDF 的最后一页（参考文献所在页或其后的附录/致谢页）。
2. 目测或估算空白区域占页面内容区域的比例。
   • 若空白集中在页面下半部分，且面积明显超过 1/5 页面高度，判定为缺陷。
3. 特别注意：若参考文献后仍有内容（如附录），则最后一页为附录末页。

阈值参考：

• 空白比例 < 15%：可接受
• 空白比例 15%-20%：建议优化
• 空白比例 > 20%：缺陷 (Major)

严重等级：Major

与日志信号的关联：无。

常见误判提醒：

• 若末页是参考文献的开始且参考文献未满一页，此时空白为正常现象（参考文献允许跨页），不视为缺陷。仅当参考文献后仍有大段空白时才判定。

诊断记录格式：

- defect_id: A2
- page: 9
- description: "末页空白面积约占页面高度的 35%"
- severity: major

A3：页数预算违反 (Page Budget Violation)

定义：论文总页数超出或不足用户指定的目标页数（通常来自会议/期刊要求）。

视觉诊断方法：

1. 获取用户输入的目标页数（如未提供，则跳过此项检测）。
2. 检查 PDF 总页数。
3. 若实际页数 ≠ 目标页数，记录偏差。

严重等级：Critical

与日志信号的关联：无。

诊断记录格式：

- defect_id: A3
- description: "实际 10 页，目标 9 页，超出 1 页"
- severity: critical

---

A4：双栏末页左右栏高度不齐 (Unbalanced Column Heights)

定义：在双栏排版的最后一页，左右两栏的底部高度不一致，高度差超过 2 行。

视觉诊断方法：

1. 仅适用于双栏模板（如 IEEE、ACM、ECCV 等）。
2. 定位最后一页，在左右栏底部画一条水平参考线。
3. 若两栏底部高度差超过约 2 行正文的高度，判定为缺陷。

严重等级：Minor（若与其他缺陷叠加，可升级）

与日志信号的关联：无。

诊断记录格式：

- defect_id: A4
- page: 12
- description: "左右栏底部高度差约 4 行"
- severity: minor

---

A5：双栏页内列竖向空洞 (Intra-Column Vertical Void)

定义：在双栏排版的任意一页（不限于末页），左栏或右栏在节标题/段落后出现占该栏可排版高度约 30% 以上的连续竖向空白，且空白内无图、无表、无正文；而同一页另一栏在相近纵坐标区间仍有连续正文。典型诱因：本页或邻页的 figure*/table* 顶出造成的栏内“断层”、滥用 \\ / \newpage / \vfill、[H] 固定浮动体、\FloatBarrier 等。

与 A2/A4 的区分：

• A2：仅最后一页正文结束后的尾部大面积留白。
• A4：仅最后一页左右栏底部不齐。
• A5：任意页、单列内部的中段竖向空洞，常伴随列间密度严重失衡。

视觉诊断方法（layout-detective 必做）：

1. 确认模板为双栏；对该页分别只看左栏、只看右栏（ mentally 画竖线分割）。
2. 在每一栏内，自上而下追踪正文墨迹的纵坐标区间；若两墨迹块之间出现高度 ≥ 约 8 行正文且无图无表的间隙，记为候选。
3. 若同一纵坐标带内另一栏为连续段落，候选升级为 A5。
4. 对照 compile.log 中 Float too large、Underfull \vbox 等作为佐证。

严重等级：默认 Major（若空洞超过半栏可升为 Critical）。

诊断记录格式：

- defect_id: A5
- page: 4
- column: left
- description: "Experiments 标题下方约 55% 栏高无内容，右栏同期为连续正文"
- severity: major
- visual_evidence: "左栏中段整带空白，无 figure/table"

OpenCV 辅助（推荐）：对已渲染页图执行 paperfit run scripts/detect_column_void.py data/pages --glob 'page_*.png' -o data/column_void_report.json，读取 JSON 中的 a5_candidates 与上述人工步骤交叉验证。

Category B：浮动体缺陷

此类缺陷关注图表的放置位置、尺寸匹配度以及对阅读流的干扰。

B1：浮动体远离首次引用 (Float-Reference Distance)

定义：图表出现在距离其首次被引用的页面过远的位置（通常页码差 ≥ 2）。

视觉诊断方法：

1. 在 PDF 中搜索图表标签（如 "Figure 1"、"Table 2"）的首次出现位置。
2. 找到该图表实际出现的页面。
3. 计算页码差：|图表页码 - 首次引用页码|。
4. 若差值 ≥ 2，记录缺陷。

严重等级：Major（若差值 ≥ 3，升级为 Critical）

与日志信号的关联：

• 编译日志中可能出现 LaTeX Warning: Float too large for page 或浮动体放置相关的 warning，作为辅助证据。

诊断记录格式：

- defect_id: B1
- object: "Figure 3"
- reference_page: 4
- float_page: 6
- distance: 2
- severity: major

---

B2：浮动体大小不适配栏宽 (Float Width Mismatch)

定义：图片或表格的宽度未充分利用栏宽，过窄（两侧留白过大）或超宽（溢出或被截断）。

视觉诊断方法：

1. 对于单栏图表：对比图表宽度与栏宽，目测利用率。
   • 若图表宽度 < 栏宽的 85%，视为过窄。
   • 若图表宽度 > 栏宽（内容伸出右边界），视为超宽。
2. 对于跨栏图表（figure*/table*）：对比图表宽度与页宽，标准同上。

严重等级：

• 过窄：Minor（若多图表均过窄，升级为 Major）
• 超宽/溢出：Major

与日志信号的关联：

• 超宽常伴随 Overfull \hbox 警告（参见 D1）。

诊断记录格式：

- defect_id: B2
- object: "Figure 2"
- page: 3
- description: "图片宽度仅占栏宽约 60%，两侧留白过大"
- severity: minor

---

B3：浮动体连续堆叠 (Float Clustering)

定义：同一页或连续两页出现 3 个或以上的图表，且中间几乎无正文间隔，形成“图表页”。

视觉诊断方法：

1. 检查每一页的图表数量。
2. 若某页包含 ≥ 3 个图表，且正文少于 3 行，视为浮动体堆叠。
3. 若连续两页累计图表 ≥ 4 且中间正文极少，同样视为缺陷。

严重等级：Minor（但若导致阅读体验严重下降，可标为 Major）

与日志信号的关联：无直接日志，但大量浮动体可能引发 placement warning。

诊断记录格式：

- defect_id: B3
- page: 7
- description: "该页包含 3 个图表，正文仅 2 行"
- severity: minor

---

B4：浮动体跨页分裂 (Float Page Orphaning)

定义：一个图表（尤其是长表格）在不适当的位置断开，跨两页显示，且第二页未重复表头。

视觉诊断方法：

1. 检查跨页的表格或图表。
2. 若表格在分页处被截断，且下一页续表中缺少表头（或未使用 longtable 的重复表头功能），判定为缺陷。

严重等级：Minor（若为关键数据表，升级为 Major）

与日志信号的关联：无。

诊断记录格式：

- defect_id: B4
- object: "Table 4"
- page: 8-9
- description: "表格跨页分裂，第二页缺少表头"
- severity: minor

---

Category C：排版一致性缺陷

此类缺陷关注全篇排版风格的统一性。

C1：表格字号不统一 (Inconsistent Table Font Sizes)

定义：不同表格使用了差异明显的字号，通常由 \resizebox 或手动 \tiny/\small 滥用导致。

视觉诊断方法：

1. 对比全篇至少 3 个表格的字号大小。
2. 若发现某些表格的字号明显小于或大于其他表格，且差异超过 1 个等级（如一个用 \small，另一个用 \footnotesize），记录缺陷。
3. 特别注意使用 \resizebox 缩放表格导致的字号异常（文字被整体缩放，视觉上变形）。

严重等级：Minor

与日志信号的关联：无直接日志，但可在源码中搜索 \resizebox。

诊断记录格式：

- defect_id: C1
- description: "Table 1 使用 \small，Table 3 使用 \resizebox 导致字号偏小，全篇表格字号不统一"
- severity: minor

---

C2：图片分辨率/风格不一致 (Inconsistent Figure Quality/Style)

定义：论文中图片分辨率差异大，或风格（如字体、配色、线条粗细）不统一。

视觉诊断方法：

1. 检查所有图片的清晰度，注意模糊、锯齿、像素化现象。
2. 对比不同图片的视觉风格：字体类型、字号、配色方案、线条风格。
3. 若差异明显（例如一张为清晰矢量图，另一张为低分辨率截图），记录缺陷。

严重等级：Minor

修复提示：此缺陷系统无法自动修复，需提示用户替换低质量图片或统一绘制风格。

诊断记录格式：

- defect_id: C2
- object: "Figure 5"
- description: "图片分辨率低，锯齿明显，与 Figure 2 的矢量图风格不一致"
- severity: minor

---

C3：Caption 格式不统一 (Inconsistent Caption Format)

定义：图表标题的字体、间距、编号格式、结尾标点不一致。

视觉诊断方法：

1. 检查至少 3 个图表标题的格式：
   • 字体是否一致（加粗/不加粗、斜体/正体）？
   • 与图表主体的间距是否一致？
   • 结尾是否有标点（有的以句号结尾，有的没有）？
   • 表格标题位置是否一致（通常表格标题在上方，图片在下方）？
2. 若发现不一致，记录缺陷。

严重等级：Minor

诊断记录格式：

- defect_id: C3
- description: "Figure 1 标题加粗，Figure 2 标题未加粗；Table 1 标题无句号，Table 2 标题以句号结尾"
- severity: minor

---

Category D：溢出与对齐缺陷

此类缺陷涉及内容超出边界或未正确断行，通常有明确的日志信号。

D1：Overfull hbox

定义：文本行、表格单元格或公式内容超出栏宽，LaTeX 无法自动断行。

视觉诊断方法：

1. 检查页面的右边界，寻找伸出版心或栏宽的内容（可能被截断或与边界重叠）。
2. 特别关注：
   • 长单词（未正确断词）
   • 表格中的长文本单元格
   • 超长公式
3. 必须结合编译日志：在 .log 中搜索 Overfull \hbox，获取精确的溢出位置和溢出量（pt）。

严重等级：

• 溢出量 < 5pt 且不影响阅读：Minor
• 溢出量 ≥ 5pt 或内容明显被截断：Major

诊断记录格式：

- defect_id: D1
- page: 4
- object: "段落第 3 行 / Table 2 某单元格"
- log_signal: "Overfull \hbox (12.3pt too wide) in paragraph at lines 245--248"
- visual_evidence: "单词 'implementation' 伸出右边界约 2mm"
- severity: major

---

D2：长公式未合理断行 (Unbroken Long Equations)

定义：过长的数学公式未在多行环境中断行，导致溢出或视觉拥挤。

视觉诊断方法：

1. 检查所有公式环境（equation、\[...\]）。
2. 若公式长度明显超过栏宽的 90% 且未断行，或已溢出，记录缺陷。
3. 对于多行公式（align、multline），检查断行位置是否合理（通常在等号或运算符处）。

严重等级：Major（若溢出）或 Minor（若未溢出但明显过长且可优化）

与日志信号的关联：常伴随 Overfull \hbox 警告。

诊断记录格式：

- defect_id: D2
- page: 6
- object: "Equation (12)"
- description: "单行公式长度超过栏宽，溢出约 8pt"
- severity: major

---

D3：URL/长标识符溢出 (URL/Long Identifier Overflow)

定义：参考文献或正文中的 URL、DOI、长标识符超出栏宽。

视觉诊断方法：

1. 检查参考文献区域的 URL 和 DOI。
2. 若某条 URL 伸出右边界，记录缺陷。

严重等级：Minor（但若多处出现，升级为 Major）

与日志信号的关联：常伴随 Overfull \hbox 在参考文献区域。

诊断记录格式：

- defect_id: D3
- page: 10
- object: "参考文献 [23] 的 URL"
- description: "URL 超出栏宽约 15pt"
- severity: minor

---

Category E：跨模板迁移缺陷

此类缺陷仅在用户执行模板切换任务时激活。

E1：单栏↔双栏图表尺寸失配

定义：模板切换后，原模板的图表尺寸设置不再适用，导致图表在新模板下尺寸不当。

视觉诊断方法：

1. 对比原模板和新模板的栏宽/页宽。
2. 检查所有图表：
   • 若原为单栏全宽图，在新双栏模板中仍为单栏宽（应改为跨栏 figure*），图表显得过小。
   • 若原为双栏跨栏图，在新单栏模板中尺寸异常。
3. 记录所有尺寸不适配的图表。

严重等级：Critical

诊断记录格式：

- defect_id: E1
- object: "Figure 1"
- description: "原为单栏全宽图，在新双栏模板中仅占单栏，宽度利用率不足 50%"
- severity: critical

---

E2：页数预算不匹配

定义：模板切换后总页数与目标模板预期页数相差较大。

视觉诊断方法：

1. 获取目标模板的预期页数（如 ICLR 9 页 → ECCV 14 页）。
2. 对比当前 PDF 总页数与预期值。
3. 若偏差超过 1 页，记录缺陷。

严重等级：Critical

诊断记录格式：

- defect_id: E2
- description: "当前 9 页，目标模板预期 14 页，需扩写 5 页内容"
- severity: critical

---

E3：模板特定宏兼容性

定义：新模板中使用了已废弃或冲突的宏包、命令，导致编译失败或内容缺失。

视觉诊断方法：

1. 检查编译日志中的错误和警告。
2. 常见信号：Undefined control sequence、Option clash for package、Environment XXX undefined。
3. 若编译失败，优先处理此类缺陷。

严重等级：Critical

诊断记录格式：

- defect_id: E3
- log_signal: "Undefined control sequence \theoremstyle"
- description: "新模板不支持 amsthm 宏包的 \theoremstyle 命令"
- severity: critical

---

诊断工作流指南

layout-detective-agent 应遵循以下步骤：

1. 加载配置：读取 config/vto_taxonomy.yaml 和本技能文档。
2. 逐页审查：使用 visual-inspector 技能渲染的页图，按页码顺序检查。
3. 对照分类：将观察到的视觉异常与上述缺陷类型逐一比对。
4. 结合日志：对于 D 类缺陷和编译问题，务必交叉验证 .log 文件。
5. 记录缺陷：为每个发现的缺陷生成结构化条目（包含 defect_id、page、object、description、severity）。
6. 输出诊断报告：汇总所有缺陷，按严重等级和类别排序，输出 JSON 格式的诊断结果。

注意事项

• 上下文敏感：某些视觉特征在不同模板下可能有不同评判标准（如单栏 vs 双栏），需结合模板类型调整阈值。
• 优先级排序：Critical 和 Major 缺陷必须优先修复；Minor 缺陷可在主要缺陷清除后处理。
• 避免过度诊断：对于正常排版现象（如公式后的自然短行），不要误判为缺陷。
• 与代码外科医生的协作：诊断报告中的 defect_id 将直接用于路由到对应的修复 Skill（参见 config/vto_taxonomy.yaml 中的 skill_routing 映射）。

本知识库将随着系统迭代不断扩充，涵盖更多边界案例和会议特定的排版规范。