📊 LLM 评测¶

🎞️ ECCV2026 · 2 篇论文解读

SVGEval: A Vision-Grounded Framework for Perceptual-Quality Benchmarking and Evaluation in Text-to-SVG Generation: SVGEval 把 text-to-SVG 的评测对象从「SVG 代码」改成「人真正看到的渲染结果」，用涵盖美学、语义、空间布局、几何结构四个维度的评分协议构建了 500 例二值诊断 + 500 例 1–5 打分的双任务基准（标注经多轮人工标注与专家裁决），并据此蒸馏训练出一个「看渲染图 + 读代码」、同时输出分维度分数与证据化理由的可解释评分器，MAE 从最强通用模型的 0.71 降到 0.58、±1 邻域准确率从 66.6% 提到 72.0%。
LASER: A Corrective Lens for LVLMs via Visual Attention Preservation and Sink Suppression: 针对多模态大模型长程思维链推理中的视觉遗忘与注意力汇元坍缩问题，LASER 通过在强化学习后训练中联合引入视觉基础保持奖励与汇元抑制奖励，从时间和空间分布双维度纠正视觉注意力偏离，大幅提升多模态推理与感知鲁棒性。