研究解读 设计与创作 · arXiv 2611.21382
作者 Shuyi Ouyang 等
VisualArtifactSpec 1.0: Evaluating Visual Artifacts under Task Specifications
Daily Papers 收录于

这份基准包含 211 项制作或修改任务。每题都向模型给出受众、素材、限制和所需交付物。评审先检查文件和功能是否按要求完成,再从内容、组织、视觉呈现与交付方式审视实际作品。

九种模型与执行工具的组合得到 42.12 至 70.52 的综合分。作者把最高与最低配置之间约 73.4% 的差距归到作品表现这一部分。一份文件能打开,与读者能顺着它理解要点,因而需要分开验收。

论文用成对示例说明,同样的必需信息可以有不同的强调顺序、组织方式和视觉呈现。比如在修改已有图表时,截图可以证明某个标签出现在图上;要检查客户能否继续编辑那个标签,还得打开交付的源文件。看图评分和使用成品是两类不同的证据。

原始资料