TextVerifier 抓 AI 生成汉字错笔画:F1 0.844 远超 OCR 与 VLM

ATH-MaaS · hf · 2026-10-15

北大、阿里巴巴与浙大团队提出 TextVerifier,用于验证文生图模型渲染中文的正确性。模型能认出可读汉字中的局部渲染缺陷——多一笔、少一笔或部件变形,而这类错误 OCR 与视觉语言模型因其「只做识别」的训练目标而完全无感。

方法上将文字渲染验证形式化为目标条件问题:给文本塔输入汉字的表意描述序列(IDS)而非单字符号,并用 1270 万 crop-IDS 对加上从文字修复模型训练轨迹中采样的免标注「同字不同质」困难对训练。同时发布首个逐字符中文生成文字基准 TEXTRENDERBENCH-ZH,标注 7358 个字符。TextVerifier F1 达 0.844,远超 OCR 置信度(0.526)、通用 VLM(0.329)与 TextPecker(0.590)。作为 Flow-GRPO 后训练的逐字奖励信号还能进一步降低渲染错误。