PrismaCoder: Pushing the Boundaries of Open Multimodal Code Intelligence through Decomposed Rubric Synthesis
Pubblicata su AIChronos il · fonte del · Qiushi Sun, Jingyang Gong, Yang Liu, Qiaosheng Chen, Zhangyue Yin, Zixian Huang (NLP Group of The University of Hong Kong)
PrismaCoder introduce PrismaForge, un pipeline gerarchico di sintesi dati basato su rubriche decomposte che fungono sia da filtro per il corpus supervisionato sia come segnale di reward per l'apprendimento per rinforzo. Questo approccio risolve le limitazioni dei dataset aperti esistenti, garantendo che i campioni siano programmaticamente corretti, ben costruiti e visivamente accurati dopo il rendering. Di conseguenza, vengono rilasciate PrismaCoder-2M, il dataset più diversificato mai creato per l'intelligenza del codice multimodale aperta; PrismaCoder-9B e PrismaCoder-35B, modelli che superano ampiamente lo stato dell'arte aperto e competono con i sistemi proprietari. L'analisi dimostra inoltre che la pipeline a base di rubriche migliora le prestazioni del coding multimodale indipendentemente dal backbone del modello.
- PrismaForge è un sistema per la sintesi dei dati che utilizza una rubrica decomposta per filtrare e valutare il codice in termini di correttezza logica, struttura e resa visiva.
- La stessa rubrica viene impiegata come segnale di reward durante l'addestramento tramite reinforcement learning su task di coding multimodale.
- PrismaCoder-2M rappresenta attualmente il dataset aperto più grande e diversificato per l'intelligenza del codice multimodale.
- I modelli PrismaCoder (9B e 35B) superano significativamente i benchmark aperti esistenti e si avvicinano alle prestazioni dei sistemi proprietari chiusi.
- La metodologia proposta migliora le performance di coding multimodale su diversi backbones, dimostrando la generalizzabilità dell'approccio basato sulle rubriche.
Perché conta. Per gli sviluppatori che lavorano con LLM e agenti locali, questo paper offre un dataset aperto ad alta qualità per evitare dipendenze da modelli proprietari chiusi. Inoltre, l'introduzione di criteri visivi rigorosi è cruciale per allenare sistemi in grado di generare artefatti interattivi (grafici, pagine web) che non solo funzionano logicamente ma sono anche esteticamente corretti.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.