跳到正文
arXiv · ML· Ajay Vikram Periasami, Junlin Wang, Bhuwan Dhingra·· 2026-10-12AI 评分43

Vision2Code:评估图像到代码生成的多领域基准测试

Vision2Code: A Multi-Domain Benchmark for Evaluating Image-to-Code Generation

AI 导读

Vision2Code 是一个多领域、无参考代码基准,包含来自 15 个数据集的 539 个测试样本,涵盖图表、几何及 3D 空间等场景。 其评分方法与人类评分相关性更高,利用该方法进行拒绝采样微调,可使 Qwen3.5-9B 性能提升 16%,Phi-4-MM 提升 28%。 该基准揭示了现有模型在图表和图形领域准确率显著高于其他领域,并验证了评分方法在采样重复性和权重变化下的可靠性。

来源:arXiv · ML · arxiv.org