2026-10-15 — views
PrismaCoder、オープンな多モーダルコード知能を進展させる
読む理由 この研究は、多モーダルコーディングにおける高品質なトレーニングデータの重要なギャップを埋め、分解されたルールの合成を通じて独自システムに匹敵するオープンモデルを提供します。
PrismaCoder-9Bおよび35Bモデルは、新規なルールベースのデータパイプラインを活用し、オープンな多モーダルコード知能ベンチマークで首位を維持しています。
記号世界と視覚世界の架け橋
多モーダルコード知能は、プログラミングの記号世界と実行中に生成される視覚的出力の間の重要な架け橋として機能します。モデルがチャート、ウェブページ、アニメーション、半構造化文書の生成をますます求められるようになり、この能力への需要は急速に高まっています。独自モデルは最近、テキストの説明やスクリーンショットからインタラクティブな成果物を生成することで顕著な進歩を示しましたが、そのトレーニングデータと方法はクローズドなままです。この不透明さは、利用可能なデータの量と質、およびそれを作成するためのパイプラインの制限により、主にオープンソースの進捗を妨げてきました。
データ品質の課題
高品質なデータを確保することは特に困難です。なぜなら、1つのサンプルは3つの異なる基準を満たす必要があるからです。それは、正しいプログラムであり、適切に構築されており、レンダリング後に視覚的に正確であることです。既存の検証シグナルは、これら3つの側面を同時にカバーしていません。実行チェックは通常、合格か不合格かの結果のみを返し、コード類似度指標は視覚的出力と相関せず、タスク固有の検証子は汎用性に欠けます。これらの障壁を克服するために、研究者は合成されたルールを中心に据えた階層的なデータパイプラインであるPrismaForgeを導入しました。このルールは、品質の複雑な要因を検査可能な基準に分解し、フィルターとして報酬メカニズムの両方の役割を果たします。
PrismaForgeとPrismaCoderモデル
PrismaForgeは教師ありコーパスをキュレーションし、視覚的コーディングタスクにおける強化学習を駆動します。このパイプラインを活用して、チームはPrismaCoder-2Mを作成しました。これは多モーダルコード知能のための最も多様なオープンデータセットであり、かつこれまでで最大規模です。このデータを使用して、2つの新しいモデル、PrismaCoder-9BとPrismaCoder-35Bがトレーニングされました。両モデルとも一般に公開されており、オープンな最先端技術において大幅なリードを保ち、主要な独自システムの性能に匹敵しています。分析によると、提案されたルールベースのパイプラインは、様々なモデルバックボーンにわたって多モーダルコーディングのパフォーマンスを向上させます。
実装ノート
開発者は、コードやテキストから視覚的成果物を生成するタスクに対してPrismaCoder-9Bおよび35Bを評価すべきです。現在、これらは最高のオープンソースパフォーマンスを提供しています。関連するPrismaForgeパイプラインは、高品質な多モーダルトレーニングデータを合成するための再現可能な方法を提供し、他の視覚的コーディングアプリケーションに適応させることができます。