商汤信息图增强模型，论文图表、海报、菜谱、产品介绍等统统搞定

文章摘要

【关 键 词】 信息图、图像生成、大模型、多模态、强化学习

商汤日日新推出的SenseNova-U1-8B-MoT-Infographic信息图增强版模型，在8B参数规模上显著提升了人工智能信息图的生成能力，并取得了同级别最高评测分数。信息图生成要求模型同时具备文字准确、版式优美和图表数据正确的能力，是图像生成领域的公认难点。过去开源模型在处理密集小字渲染、复杂版式排版以及图表数据映射时，普遍存在文字模糊、模块变形和数据错误等问题。

为解决高密度文字渲染和图表数据生成的难题，该增强版模型采用了专项数据训练结合文字准确率强化学习的方法。这一改进使得密集小字号文字、列表编号及脚注等细节清晰可读，同时确保各类图表的数值映射与数据语义精准对应。在版式稳定性方面，模型引入版式合理性专项数据并延长中期训练，使模型掌握了更合理的空间布局规则，有效避免了多模块挤压变形和对齐错乱，目前可稳定生成一百多种风格和版式场景。

在专项增强生成能力的同时，该模型通过优化训练策略确保了通用理解能力不退化。通过在中期训练、监督微调和强化学习三个阶段优化数据配比与奖励设计，模型实现了理解与生成能力的共存。评测数据显示，该增强版模型在多项信息图相关基准测试中成绩大幅提升。其在问答准确率测试中的得分不仅显著领先同级别开源模型，甚至超越了部分参数量更大的商业模型。在轻量级参数规模下，该模型成功将信息图生成的整体正确性和视觉表现推向新高度，且通用视觉理解能力保持稳定。

原文和模型

【原文链接】 阅读原文 [ 2024字 | 9分钟 ]
【原文作者】 AIGC开放社区
【摘要模型】 qwen3.7-max
【摘要评分】 ★★★★☆

阿里云百炼

大模型服务平台是阿里云基于通义大模型等多种大模型的一站式大模型开发平台。