通过强化学习和视觉编码器增强大型语言模型在符号图形编程方面的能力

研究人员开发了一种新方法，以提高大型语言模型（LLMs）根据自然语言描述生成符号图形程序（SGPs），特别是可缩放矢量图形（SVGs）的能力。该方法利用具有可验证奖励的强化学习，并包含一个用于可渲染SVG的格式有效性门控以及一个利用SigLIP和DINO等视觉编码器将文本与渲染图像对齐的跨模态奖励机制。将此技术应用于Qwen-2.5-7B模型，显著提高了SVG生成质量和语义准确性，使其性能与领先的专有系统相当。该研究还引入了SGP-GenBench，一个用于评估LLM在SVG生成任务上表现的基准，涵盖对象和场景保真度以及组合性。 AI

影响 增强了LLM在跨模态对齐和精确视觉内容生成方面的能力。

排序理由 该集群包含一篇学术论文，详细介绍了LLM程序合成的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Dino
• Haoquan Zhang
• large-language models
• Qwen 2.5 7B
• SGP-GenBench
• SigLIP
• SVG
• Symbolic Graphics Programs

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →