SenseNova-U1 Infographic V2: Εύρος αξιολόγησης 50,3 σημείων και όρια infographic

ΕΞΕΙΔΙΚΕΥΜΕΝΟ ΜΟΝΤΕΛΟ / INFOGRAPHICS

Ένα infographic συνδυάζει σημασιολογικό σχεδιασμό, ιεραρχία, ευθυγράμμιση εικονιδίων με κείμενο και ευανάγνωστη απόδοση χαρακτήρων. Το SenseNova-U1-8B-MoT-Infographic-V2 δημοσιεύει πλήρη βάρη και αναφέρει 50.3 στο hard split του BizGenEval, ένα αποτέλεσμα που αφορά την εξειδικευμένη δημιουργία infographic και όχι τη φωτογραφία ή την ελεύθερη εικονογράφηση.

Μίγμα Transformers

Η δρομολόγηση αναθέτει διαφορετικούς υποχώρους παραμέτρων σε διαφορετικά οπτικογλωσσικά μοτίβα. Αν p_i=softmax(g(h))_i, ένα επίπεδο μπορεί να γραφτεί ως εξής:

y=Σ_i p_i·T_i(h)

Η εξειδικευμένη εκπαίδευση αποτυπώνει τα στατιστικά των επικεφαλίδων, των μπλοκ δεδομένων, των συνδέσμων και της διακόσμησης. Μπορεί όμως ακόμη να γράφει λάθος σπάνια ονόματα, μονάδες ή μακριές προτάσεις, ώστε τα παραγόμενα γραφικά να παραμένουν οπτικά υποψήφια και όχι πηγές πραγματικών δεδομένων.

Το 50.3 μέσα στο εύρος του

Η κάρτα μοντέλου αναφέρει 50.3 για το V2, 8.2 για το Z-Image και 6.3 για το Qwen-Image-2512 στο BizGenEval hard. Η σύγκριση ισχύει μέσα στον συγκεκριμένο πίνακα του εκδότη. Τα πρότυπα προτροπών, ο κριτής και η σύνθεση των δύσκολων περιπτώσεων διαμορφώνουν όλα το αποτέλεσμα· δεν καθιερώνουν καθολική κατάταξη ποιότητας εικόνας.

Έλεγχος μετά τη δημιουργία

Κάθε απαιτούμενο κύριο όνομα, αριθμός και μονάδα πρέπει να καταγράφεται πριν από τη δημιουργία και να ελέγχεται με OCR στη συνέχεια. Οι σωστοί χαρακτήρες είναι μόνο το πρώτο κατώφλι: η ιεραρχία τίτλων, οι στόχοι των βελών, τα χρώματα του υπομνήματος, η σειρά ανάγνωσης και τα πραγματικά δεδομένα της πηγής χρειάζονται επίσης έλεγχο.

Ποιες αλλαγές δημιουργούν νέο αποτέλεσμα

Η τιμή 50.3 ανήκει στη συγκεκριμένη διαμόρφωση του BizGenEval hard. Αλλαγή στον καμβά, στο πρότυπο προτροπής, στο πρόγραμμα δειγματοληψίας ή στον κριτή παράγει ξεχωριστό αποτέλεσμα που δεν μπορεί να κληρονομήσει τη δημοσιευμένη βαθμολογία.

Τα infographic έγιναν ξεχωριστός κλάδος της δημιουργίας εικόνας

Τα πρώτα benchmark κειμένου-σε-εικόνα επιβράβευαν τη σημασιολογική ομοιότητα και τη συνολική αισθητική. Τα infographic απαιτούν επιπλέον οι τίτλοι, οι αριθμοί, τα εικονίδια και οι σύνδεσμοι να συμφωνούν μεταξύ τους. Το Infographic V2 δεν είναι λοιπόν ένα γενικό μοντέλο με μια λέξη στυλ· είναι ένα εξειδικευμένο checkpoint με περαιτέρω εκπαίδευση γύρω από τη διάταξη και τη σύνθεση πυκνού κειμένου.

Το 50.3 στο hard split του BizGenEval καθιστά ορατή αυτή την εξειδίκευση. Ο ίδιος επίσημος πίνακας αναφέρει 8.2 για το Z-Image και 6.3 για το Qwen-Image-2512. Η διαφορά αποτελεί στοιχείο για το συγκεκριμένο benchmark του εκδότη, όχι απόδειξη ότι το V2 υπερτερεί και στη φωτογραφία, στην προσωπογραφία ή στην ελεύθερη εικονογράφηση.

Δρομολόγηση MoT για τον υπολογισμό infographic

h′=Σ_{e∈TopK(g(h))} p_e(h)·E_e(h)

• g(h)βαθμολογίες δρομολογητή
• TopKexperts που ενεργοποιούνται ανά token
• E_eμετασχηματισμός ανά expert

Τα infographic συνδυάζουν εικόνες, χαρακτήρες, εικονίδια και σχέσεις διάταξης. Η δρομολόγηση MoT στέλνει κάθε token σε ένα μικρό υποσύνολο experts, αυξάνοντας τη συνολική χωρητικότητα χωρίς να εκτελεί κάθε expert για κάθε token.

Το αποτέλεσμα 50.3 ανήκει στον επίσημο πίνακα του BizGenEval hard. Η δημοσίευση εξακολουθεί να απαιτεί OCR για ονόματα, αριθμούς και μονάδες, καθώς και ανθρώπινο έλεγχο βελών, υπομνημάτων και σειράς ανάγνωσης.

Η εργασία, ο κώδικας και τα βάρη μπορούν να παρακολουθηθούν μέσω SenseNova-U1 source / Infographic V2 weights and benchmark.

Το έγκυρο εύρος του 50.3

Και οι τρεις γραμμές προέρχονται από τον ίδιο επίσημο πίνακα hard split και μπορούν να συγκριθούν εκεί. Δεν αποτελούν καθολική κατάταξη ποιότητας εικόνας.

Μοντέλο	BizGenEval hard	Ρόλος στον πίνακα
SenseNova-U1 Infographic V2	50.3	εξειδικευμένο μοντέλο infographic
Z-Image	8.2	γενική γραμμή βάσης ίδιου πίνακα
Qwen-Image 2512	6.3	γενική γραμμή βάσης ίδιου πίνακα

Έλεγχοι που ξεκινούν αφού ολοκληρωθεί η εικόνα

Καταγράψτε κάθε κύριο όνομα, αριθμό και μονάδα από την προτροπή και στη συνέχεια εκτελέστε OCR στο αποτέλεσμα. Οι σωστοί χαρακτήρες είναι μόνο το πρώτο κατώφλι: η ιεραρχία τίτλων, οι στόχοι των βελών και τα χρώματα του υπομνήματος πρέπει επίσης να παραμένουν συνεπή.

Οι μακριές πολύγλωσσες συμβολοσειρές και οι μικτές μονάδες είναι ιδιαίτερα ευάλωτες σε κακές αλλαγές γραμμής και αντικαταστάσεις. Διατηρήστε επεξεργάσιμα δεδομένα πηγής· αντιμετωπίστε το παραγόμενο PNG ως υποψήφια διάταξη και όχι ως ανεξέλεγκτο τεκμήριο γεγονότων.

Η υψηλή βαθμολογία γράφει ακόμη λάθη

Ο κριτής δεν είναι αναγνώστης. Σπάνια ονόματα, μακριές μονάδες, υποσημειώσεις και πυκνοί πίνακες μπορεί ακόμη να περιέχουν ψευδοχαρακτήρες, αντικαταστάσεις και κακή αναδίπλωση.

Το αποτέλεσμα 50.3 ανήκει στη ρύθμιση BizGenEval hard που παρατίθεται στην κάρτα μοντέλου. Αλλαγή στον καμβά, στο πρότυπο προτροπής, στο πρόγραμμα δειγματοληψίας ή στον κριτή δημιουργεί ξεχωριστό αποτέλεσμα που δεν μπορεί να κληρονομήσει τη δημοσιευμένη βαθμολογία.

Επιστημονικές εργασίες και δημόσια αρχεία για το SenseNova-U1 source

Τα ονόματα μοντέλων, οι αριθμοί και οι περιορισμοί ανάγονται στις εργασίες, τα αποθετήρια ή τις κάρτες μοντέλων που ακολουθούν.

1. SenseNova-U1 source
2. Infographic V2 weights and benchmark