RULER：用于 SVG 生成的实例感知式评分规则奖励
RULER 是一种从自然语言指令生成 SVG 代码的优化方法。由于开放式矢量图形任务通常没有唯一的视觉标准答案，CLIP 和 Aesthetic 等标量指标难以准确评估此类内容，用作强化学习奖励时还可能引发奖励投机。RULER 针对每条指令生成包含六个项目的实例感知式评分规则，覆盖语义、视觉和风格维度。视觉语言模型逐项评估渲染后的 SVG，再通过 Group Relative Policy Optimization 将加权满足度作为训练奖励。在 MMSVG-Illustration 和 MMSVG-Icon 基准上，研究人员报告评分分别从 0.432 提升至 0.693，以及从 0.395 提升至 0.683。该方法据称超过了专用 SVG 系统，并达到规模大得多的 DeepSeek-V3 的水平，同时不需要配对的 SVG 标准答案或人工偏好标签。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。