論文の概要: PrismaCoder: Pushing the Boundaries of Open Multimodal Code Intelligence through Decomposed Rubric Synthesis

• arxiv url: http://arxiv.org/abs/2610.20538v1
• Date: Wed, 14 Oct 2026 17:32:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.283451
• Title: PrismaCoder: Pushing the Boundaries of Open Multimodal Code Intelligence through Decomposed Rubric Synthesis
• Title（参考訳）: PrismaCoder: 分解ルブリック合成によるオープンマルチモーダルコードインテリジェンスの境界を押し上げる
• Abstract要約: マルチモーダルコードインテリジェンスのための最も多様なオープンデータセットであるPrismaCoder-2Mを構築します。 このデータでPrismaCoder-9BとPrismaCoder-35Bをトレーニングし、両方をリリースします。 分析の結果,提案したパイプラインは,モデルバックボーン間のマルチモーダル符号化性能を向上させることがわかった。
• 参考スコア（独自算出の注目度）: 107.68094888323776
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multimodal code intelligence connects the symbolic world of programs with the visual world their execution creates. Interest in this capability is burgeoning, as models are increasingly asked to produce charts, webpages, animations, and semi-structured documents. Recently, proprietary models have pushed far ahead, producing interactive artifacts even from a text description or a screenshot alone. Yet their data and training remain closed, and open progress is held back by the quantity and quality of available data and by the pipelines and methods for producing it. Quality is the harder of the two, since a sample must be correct as a program, well built, and above all visually right once rendered. No existing signal covers all three. Execution often returns just a pass or fail, code similarity does not map to the visual output, and task-specific verifiers do not generalize. To push open progress further, we start from the data side with PrismaForge, a hierarchical data pipeline centered on a synthesized rubric that decomposes these factors into checkable criteria. The same rubric serves as both filter and reward: it curates the supervised corpus, then drives reinforcement learning on visual-coding tasks. Leveraging PrismaForge for data synthesis and filtering, we build PrismaCoder-2M, the most diverse open dataset for multimodal code intelligence and the largest to date. On the model side, we train PrismaCoder-9B and PrismaCoder-35B on this data and release both. They lead the open state of the art by a wide margin and rival leading proprietary systems. Our analyses further show that the proposed rubric-based pipeline improves multimodal coding performance across model backbones. We release our code and data at https://qiushisun.github.io/PrismaCoder-Home/.
• Abstract（参考訳）: マルチモーダルコードインテリジェンスは、プログラムの象徴的な世界と、実行が生成する視覚的世界とを結びつける。 モデルには、チャート、Webページ、アニメーション、半構造化ドキュメントの作成が求められている。 近年、プロプライエタリなモデルが進歩し、テキスト記述やスクリーンショットだけでインタラクティブなアーティファクトが生み出されている。 しかし、彼らのデータとトレーニングは依然としてクローズドであり、オープンな進捗は、利用可能なデータ量と品質と、それを生成するパイプラインとメソッドによって維持されます。 サンプルはプログラムとして正しいものでなければならないため、品質は2つの中では難しい。 既存の信号は3つ全てをカバーしていない。 実行はしばしばパスやフェールを返すが、コードの類似性は視覚的な出力にマップされず、タスク固有の検証は一般化しない。 オープンな進捗をさらに推し進めるために、これらの因子をチェック可能な基準に分解する合成ルーリックを中心にした階層的なデータパイプラインであるPrismaForgeで、データ側から始めます。 同じルーリックはフィルターと報酬の両方として機能し、教師付きコーパスをキュレートし、視覚的コーディングタスクの強化学習を駆動する。 データ合成とフィルタリングにPrismaForgeを活用することで、マルチモーダルコードインテリジェンスのための最も多様なオープンデータセットであるPrismaCoder-2Mを構築します。 モデル側では、このデータに対してPrismaCoder-9BとPrismaCoder-35Bをトレーニングし、両方をリリースします。 彼らはオープン・オブ・ザ・アートを幅広いマージンでリードし、プロプライエタリなシステムをライバルにしている。 さらに,提案手法により,モデルバックボーン間のマルチモーダル符号化性能が向上することを示す。 コードとデータはhttps://qiushisun.github.io/PrismaCoder-Home/で公開しています。

関連論文リスト

• To See is Not to Master: Teaching LLMs to Use Private Libraries for Code Generation [10.540200819270359]
  大規模言語モデル(LLM)は、コード生成の強い可能性を示しているが、プライベートライブラリ指向のコード生成には制限が残っている。 自動合成データによるプライベートライブラリAPIの呼び出しをLLMに教えるアプローチであるPriCoderを提案する。 PriCoderはプライベートライブラリ指向のコード生成を大幅に改善し、多くの設定でpass@1で20%以上のゲインを得る。
  論文  参考訳（メタデータ） (2026-03-16T11:53:39Z)
• JanusCoder: Towards a Foundational Visual-Programmatic Interface for Code Intelligence [48.39202336809688]
  本稿では,標準チャートから複雑な対話型Web UI,コード駆動型アニメーションに至るまで,大規模で高品質なコーパスを効率的に生成するための完全合成ツールキットを提案する。 これは私たちのモデルであるJanusCoderとJanusCoderVのトレーニングを支えています。 7Bから14Bのスケールモデルは、商用モデルの性能に近づいたり、超えたりしています。
  論文  参考訳（メタデータ） (2025-10-27T17:13:49Z)
• PlotCraft: Pushing the Limits of LLMs for Complex and Interactive Data Visualization [82.96200364977737]
  PlotCraftは、1kの挑戦的な視覚化タスクを特徴とする新しいベンチマークだ。 PlotCraftは7つのハイレベルな視覚化タスクを中心に構成されており、48の異なるチャートタイプを含んでいる。 単一ターン生成と多ターン改善の両方を多種多様なタスク複雑度にわたって体系的に評価するのは、これが初めてである。
  論文  参考訳（メタデータ） (2025-10-15T10:14:39Z)
• Cuvis.Ai: An Open-Source, Low-Code Software Ecosystem for Hyperspectral Processing and Classification [0.4038539043067986]
  cuvis.aiは、データ取得、前処理、モデルトレーニングのためのオープンソースでローコードなソフトウェアエコシステムである。 パッケージはPythonで書かれており、一般的な機械学習ライブラリのラッパーを提供する。
  論文  参考訳（メタデータ） (2024-11-18T06:33:40Z)
• OpenCoder: The Open Cookbook for Top-Tier Code Large Language Models [76.59316249991657]
  コードのための大規模言語モデル(LLM)は、コード生成、推論タスク、エージェントシステムなど、さまざまな領域で必須になっている。 オープンアクセスのコード LLM はプロプライエタリなモデルの性能レベルに近づきつつあるが、高品質なコード LLM は依然として限られている。 トップクラスのコードLLMであるOpenCoderは、主要なモデルに匹敵するパフォーマンスを達成するだけでなく、研究コミュニティの"オープンクックブック"としても機能します。
  論文  参考訳（メタデータ） (2024-11-07T17:47:25Z)
• GiGaMAE: Generalizable Graph Masked Autoencoder via Collaborative Latent Space Reconstruction [76.35904458027694]
  マスク付きオートエンコーダモデルは、グラフデータに対する優れた一般化能力に欠ける。 本稿では,GiGaMAEと呼ばれる新しいグラフマスマスキングオートエンコーダフレームワークを提案する。 私たちの結果は、グラフ構造化データに基づく基礎モデルの設計に光を当てます。
  論文  参考訳（メタデータ） (2023-08-18T16:30:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。