微软 AesCode：用图像作美学奖励，代码生成幻灯片海报质量大涨

microsoft · hf · 2026-10-14

微软提出 AesCode，让代码模型生成幻灯片、海报、仪表盘等信息密集的视觉产物：以内容 prompt 为基础，同时用同一 prompt 生成的图像作为美学引导。方法将目标表示为描述整个画布的设计图（design graph），每个属性可归因，并由此得到解耦的跨模态奖励——可解析属性用确定性验证器打分，不可解析属性由 VLM 评委按样本级 Visual Graph Rubric 评估——再通过带逐通道归一化的强化学习联合优化。AesCode-8B 与 32B 相对同规模 Qwen3-VL 基线视觉质量分别提升 31.1 和 22.4 个百分点，达到与 GPT-5.5、Claude Opus 4.8 等闭源前沿模型相当的水平。