研究與評測
SciForma強化科學圖表結構
HF Daily Papers
研究團隊提出 SciForma 科學方法圖表生成框架，將結構品質拆分為元件、箭頭與文字三個面向，並建立 SciFormaData-700K 訓練資料集及 SciFormaBench-2K 評測基準。其 M-DPO 方法可在後訓練階段同時要求各面向正確，並將梯度導向表現最不足的維度，也支援推論時反覆編輯修正。研究結果顯示，SciForma-9B 在 SciFormaBench-2K 與 AIBench 上超越所有開源基準模型及 GPT-Image-1.5，程式碼與資料預計公開。
讀原始報導背景
偏好最佳化通常用於生成模型的後訓練，但既有方法多以單一目標運作，面對多項需求時可能產生衝突。相關研究已嘗試透過多目標或多模態 DPO，同時最佳化不同偏好，並避免模型過度偏重文字等單一面向。