โมเดล
SenseNova-U1 อินโฟกราฟิก V2: ช่วงการประเมิน 50.3 จุดและขอบเขตอินโฟกราฟิก
รุ่นพิเศษ/การสร้างอินโฟกราฟิก
รุ่นพิเศษ/การสร้างอินโฟกราฟิก
© 2026 TelkNet สงวนลิขสิทธิ์.
โมเดลเฉพาะทาง / อินโฟกราฟิก
อินโฟกราฟิกหนึ่งชิ้นต้องวางแผนเชิงความหมาย จัดลำดับชั้น จับคู่ไอคอนกับข้อความ และเรนเดอร์ตัวอักษรให้อ่านได้ SenseNova-U1-8B-MoT-Infographic-V2 เปิดน้ำหนักเต็มชุดและรายงานคะแนน 50.3 บนชุด BizGenEval hard split ซึ่งเป็นผลลัพธ์ของการสร้างอินโฟกราฟิกโดยเฉพาะ ไม่ใช่ภาพถ่ายหรือภาพประกอบอิสระ
การกำหนดเส้นทางมอบพื้นที่พารามิเตอร์ย่อยที่ต่างกันให้กับรูปแบบภาพ-ภาษาที่ต่างกัน หาก p_i=softmax(g(h))_i เลเยอร์หนึ่งสามารถเขียนได้ดังนี้:
y=Σ_i p_i·T_i(h)
การฝึกแบบเฉพาะทางช่วยให้โมเดลจับสถิติของหัวข้อ บล็อกข้อมูล เส้นเชื่อม และของตกแต่งได้ แต่ก็ยังสะกดชื่อเฉพาะ หน่วย หรือประโยคยาวผิดได้อยู่ ภาพที่สร้างขึ้นจึงยังเป็นเพียงตัวเลือกเชิงภาพ ไม่ใช่แหล่งข้อเท็จจริง
การ์ดโมเดลรายงานคะแนน 50.3 สำหรับ V2, 8.2 สำหรับ Z-Image และ 6.3 สำหรับ Qwen-Image-2512 บน BizGenEval hard การเปรียบเทียบนี้ใช้ได้ภายในตารางของผู้พัฒนาเท่านั้น เทมเพลตพรอมป์ ตัวตัดสิน และองค์ประกอบของเคสยากล้วนมีผลต่อผลลัพธ์ จึงไม่สามารถสรุปเป็นอันดับคุณภาพภาพโดยรวมได้
ควรเขียนรายการชื่อเฉพาะ ตัวเลข และหน่วยที่จำเป็นทั้งหมดก่อนสร้างภาพ แล้วเทียบกับผล OCR ภายหลัง ตัวอักษรที่ถูกต้องเป็นเพียงด่านแรกเท่านั้น ลำดับชั้นของหัวข้อ เป้าหมายของลูกศร สีของคำอธิบายสัญลักษณ์ ลำดับการอ่าน และข้อเท็จจริงจากแหล่งอ้างอิงก็ต้องตรวจเช่นกัน
ค่า 50.3 เป็นของการตั้งค่า BizGenEval hard ที่ระบุไว้เท่านั้น การเปลี่ยนผืนผ้าใบ เทมเพลตพรอมป์ ตารางการสุ่มตัวอย่าง หรือตัวตัดสิน จะให้ผลลัพธ์ชุดใหม่ที่ไม่สามารถอ้างอิงคะแนนที่เผยแพร่ไว้ได้
เบนช์มาร์ก text-to-image ยุคแรกให้คะแนนกับความใกล้เคียงเชิงความหมายและความงามโดยรวม แต่อินโฟกราฟิกยังต้องให้หัวข้อ ตัวเลข ไอคอน และเส้นเชื่อมสอดคล้องกันอีกด้วย Infographic V2 จึงไม่ใช่โมเดลทั่วไปที่เติมคำบอกสไตล์เข้าไป หากเป็นเช็กพอยต์เฉพาะทางที่ฝึกต่อรอบการจัดวางและองค์ประกอบที่หนาแน่นด้วยข้อความ
คะแนน 50.3 บนชุด BizGenEval hard split ทำให้ความเฉพาะทางนั้นปรากฏชัด ตารางอย่างเป็นทางการชุดเดียวกันรายงาน 8.2 ให้ Z-Image และ 6.3 ให้ Qwen-Image-2512 ช่องว่างดังกล่าวเป็นหลักฐานภายในเบนช์มาร์กของผู้พัฒนารายนี้ ไม่ใช่การพิสูจน์ว่า V2 เหนือกว่าในงานภาพถ่าย ภาพบุคคล หรือภาพประกอบอิสระด้วย
h′=Σ_{e∈TopK(g(h))} p_e(h)·E_e(h)g(h)คะแนนจากตัวกำหนดเส้นทางTopKจำนวนเอ็กซ์เพิร์ตที่ถูกเปิดใช้ต่อโทเทนE_eการแปลงเฉพาะของเอ็กซ์เพิร์ตแต่ละตัวอินโฟกราฟิกผสานภาพ ตัวอักษร ไอคอน และความสัมพันธ์ของเลย์เอาต์เข้าด้วยกัน การกำหนดเส้นทางแบบ MoT ส่งแต่ละโทเทนไปยังเอ็กซ์เพิร์ตกลุ่มย่อย เพิ่มความจุโดยรวมโดยไม่ต้องเรียกใช้ทุกเอ็กซ์เพิร์ตกับทุกโทเทน
ผลลัพธ์ 50.3 เป็นของตาราง BizGenEval hard อย่างเป็นทางการ ก่อนเผยแพร่จริงยังต้องใช้ OCR ตรวจชื่อ ตัวเลข และหน่วย พร้อมการตรวจสอบลูกศร คำอธิบายสัญลักษณ์ และลำดับการอ่านโดยมนุษย์
ติดตามเอกสารวิจัย โค้ด และน้ำหนักได้จากซอร์ส SenseNova-U1 / น้ำหนักและเบนช์มาร์กของ Infographic V2
ทั้งสามแถวมาจากตาราง hard split อย่างเป็นทางการชุดเดียวกันและเปรียบเทียบกันได้ในตารางนั้น ไม่ได้ก่อตัวเป็นกระดานจัดอันดับคุณภาพภาพโดยรวม
| โมเดล | BizGenEval hard | บทบาท |
|---|---|---|
| SenseNova-U1 Infographic V2 | 50.3 | โมเดลเฉพาะทางสำหรับอินโฟกราฟิก |
| Z-Image | 8.2 | เส้นฐานโมเดลทั่วไปจากตารางเดียวกัน |
| Qwen-Image 2512 | 6.3 | เส้นฐานโมเดลทั่วไปจากตารางเดียวกัน |
เขียนรายการชื่อเฉพาะ ตัวเลข และหน่วยทุกรายการจากพรอมป์ แล้วรัน OCR กับผลลัพธ์ ตัวอักษรที่ถูกต้องเป็นเพียงด่านแรก ลำดับชั้นของหัวข้อ เป้าหมายของลูกศร และสีของคำอธิบายสัญลักษณ์ต้องคงความสอดคล้องไว้ด้วย
สตริงหลายภาษาที่ยาวและหน่วยที่ปนกันเสี่ยงต่อการตัดบรรทัดผิดและการแทนที่อักษรเป็นพิเศษ เก็บข้อมูลต้นทางที่แก้ไขได้ไว้เสมอ และถือว่า PNG ที่สร้างขึ้นเป็นเพียงตัวเลือกด้านเลย์เอาต์ ไม่ใช่สิ่งที่ถูกต้องเชิงข้อเท็จจริงโดยไม่ต้องตรวจ
ผู้ให้คะแนนไม่ใช่ผู้อ่าน ชื่อที่พบยาก หน่วยยาว เชิงอรรถ และตารางหนาแน่นยังอาจมีอักษรเทียม การแทนที่ และการตัดบรรทัดที่ผิด
ผลลัพธ์ 50.3 เป็นของการตั้งค่า BizGenEval hard ที่ระบุบนการ์ดโมเดล การเปลี่ยนผืนผ้าใบ เทมเพลตพรอมป์ ตารางการสุ่มตัวอย่าง หรือตัวตัดสิน จะสร้างผลลัพธ์ชุดใหม่และไม่สามารถอ้างอิงคะแนนที่เผยแพร่ไว้ได้
ชื่อโมเดล ตัวเลข และข้อจำกัดทั้งหมดอ้างอิงถึงเอกสารวิจัย รีโพซิทอรี หรือการ์ดโมเดลด้านล่าง