AesCode：解耦跨模态奖励的美学代码生成

2026年10月14日，arXiv Artificial Intelligence 收录了 Xin Gao 等作者的论文，提出 AesCode 方法。据该报道，AesCode 用于生成幻灯片、海报等视觉代码：它将同一提示词生成的图像作为美学引导，把目标表示为可归因的设计图，并从中导出解耦的跨模态奖励。在评估上，它用确定性验证器评分代码的可解析属性，用 VLM 评委配合 Visual Graph Rubric 评估不可解析属性，再以强化学习加逐通道归一化进行优化。报道称该方法同时配有基准。截至该报道，事件进展为论文发布，尚无后续跟进报道，也未出现与早先报道矛盾的数字或说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。