Ajay Vikram Periasami

新的Vision2Code基准评估VLMs的图像到代码生成能力

研究人员推出了Vision2Code，这是一个旨在评估视觉语言模型（VLMs）从图像生成可执行代码能力的新基准。该基准涵盖了15个不同的领域，包括图表、图形和3D场景，并采用无参考代码的评估方法，解决了现有工具的局限性。该系统执行生成的程序，并将其视觉输出与源图像进行比较，显示出比标准指标更高的人类判断相关性。Vision2Code还有助于微调模型，并展示了Qwen3.5-9B和Phi-4-MM的显著改进。