📖 AI 总结

本文针对从自然语言指令生成 SVG 代码这一开放任务展开研究。由于该任务缺乏绝对的视觉真值，传统基于自然图像的标量指标（如 CLIP、Aesthetic）难以迁移到风格化矢量内容，用作强化学习奖励时还容易引发奖励劫持。作者首先通过实验证明，采用多维度评分标准提示视觉语言评判模型，其评分与人类判断的相关性显著优于标量指标。在此基础上提出 RULER 方法，将每条指令转化为涵盖语义、视觉和风格三个维度的六项实例化评分标准，由评判模型对渲染结果逐项打分，加权后的满意度构成细粒度奖励，并通过组相对策略优化进行训练。该方法仅依赖文本，无需配对 SVG 真值或人工偏好标注。在 MMSVG-Illustration 和 MMSVG-Icon 数据集上，评分分别从 0.432 和 0.395 提升至 0.693 和 0.683，超过专用 SVG 模型并媲美规模更大的 DeepSeek-V3，消融实验表明评分标准设计是开放 SVG 生成强化学习的关键因素。

🔑 关键词速览