提出视觉反馈布局模型(VFLM),通过结合OCR精度的视觉奖励模型进行强化学习,实现基于渲染图像反馈的迭代式文本布局生成与自改进,显著优于现有多模态大模型和纯代码布局方法。
机构:中科大
来源:arXiv 2603.22187 | AI4Papers 论文推荐平台