AesCode: Aesthetic Code Generation with Decoupled Cross-Modal Rewards
Aggiunta all'archivio di AIChronos il (numero del 14 ottobre 2026 ricostruito)· fonte del · Xin Gao, Yifan Yang, Xin Li, Pan Wang, Yan Li, Muzhao Tian (Microsoft)
AesCode è un framework che genera codice per artefatti visivi (slide, dashboard) utilizzando un'immagine generata dallo stesso prompt come guida estetica. Il modello rappresenta il canvas target come un design graph attribuibile a ogni proprietà, permettendo di derivare ricompense cross-modal decoupled: verificatori deterministici per le proprietà parsabili dal codice e un giudice VLM (Visual Language Model) basato su una Visual Graph Rubric (VGR) per quelle non parsabili. L'ottimizzazione avviene tramite reinforcement learning con normalizzazione per canale, migliorando simultaneamente la pianificazione spaziale, la qualità estetica e la correttezza verificabile.
- AesCode supera i limiti dei modelli di codice che non possono valutare visivamente le proprie scelte di layout e colore direttamente sul canvas.
- L'approccio decoupla le ricompense in verificate deterministiche (codice/rendering) e valutazioni estetiche basate su VLM con una rubrica specifica per il grafico.
- AesCode-8B e AesCode-32B superano i baseline Qwen3-VL dello stesso scala, raggiungendo performance comparabili a modelli closed-source di frontiera come GPT-5.5 e Claude Opus 4.8.
- Le immagini di riferimento migliorano significativamente la qualità visiva sia quando usate come input del modello che come fonte per le ricompense visive.
Perché conta. Per gli sviluppatori che lavorano con LLM e agenti, AesCode offre una soluzione concreta per generare output visivi strutturati ed editabili direttamente in codice, superando l'instabilità dei generatori di immagini puri. Inoltre, la separazione delle ricompense permette un training più robusto su aspetti sia funzionali che estetici, cruciale per applicazioni locali o enterprise dove il controllo e la verificabilità sono prioritari.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.