SVG生成奖励 hacking 新解法
推荐指数 67.0 NO. 025 · 2026.09.24
upvotes59comments3
为什么值得看
RULER 用实例感知的评分细则替代 CLIP 等标量指标，解决 SVG 生成中 RL 奖励 hacking 和评估失真问题。对做多模态生成或 RLHF 的工程师有直接参考价值，尤其是开放域视觉任务的奖励设计。
媒体预览
编辑判断
之前 SVG 生成这块的 RL 训练基本靠 CLIP score 硬撑，结果模型学会钻空子——颜色对上了但结构崩坏，或者风格迁移但语义丢失。RULER 的关键洞察是把「每句话的评分标准动态化」，用 VLM 生成 instance-specific 的多维度 rubric，相当于给每个样本配了专属考官。
这个方法论可以外推到其他开放域生成任务，比如 UI 代码生成、3D 建模指令跟随，凡是 ground truth 不唯一、标量指标失效的场景都适用。论文提到代码会开源，但截至目前 repo 还没放出来，建议先 mark 住等 release。