PRISM: Un framework di sintesi dei dati per la comprensione delle rubriche nell'IA multimodale

C'è un nuovo articolo su arXiv (ID: 2608.05249) che introduce PRISM, un framework in quattro fasi progettato per aiutare i modelli di IA multimodale a seguire meglio le linee guida prioritarie. Lo studio evidenzia una lacuna nei dati di addestramento multimodali attuali, che spesso riducono il seguire le istruzioni a una singola domanda. Tuttavia, le istruzioni nella vita reale tipicamente coinvolgono requisiti multipli e variabili. PRISM tratta il modello come un esecutore che rivede ogni criterio prima di fornire una valutazione dettagliata basata su un'immagine e una rubrica prioritaria. Genera coppie persona-compito, regole guidate da prefissi, rubriche filtrate per qualità e tracce di verifica strutturate. Presentano anche PRISM-Eval, una suite di valutazione con metriche Loose e Strict che si basano su corrispondenza deterministica, eliminando la necessità di un modello giudice al momento dell'inferenza. Con solo 10.000 campioni sintetizzati, PRISM ha migliorato l'accuratezza di Qwen3-VL-4B dal 9,5%, anche se i risultati completi non sono completamente delineati nell'abstract. Questo articolo suggerisce una precedente condivisione o pubblicazione, sottolineando la sua importanza nel migliorare la comprensione delle rubriche per il seguire istruzioni complesse in contesti multimodali.