RAP собрал 25 тысяч пар статья–постер и учит ИИ верстать постеры в HTML/CSS

Зачем верстать постер в код

Создание академического постера — задача на стыке визуального кодирования, сжатия информации и дизайна. На одной странице нужно разместить суть многостраничной статьи, соблюдая иерархию и эстетику. Современные бенчмарки для этой задачи остаются редкостью: существующие датасеты содержат мало примеров и аннотированы только разметкой макетов. Это заставляет оценивать результаты через VLM-as-judge или чек-листы вместо объективного сравнения рендерингов, а методы генерации проектируют макеты с нуля — авторские постеры остаются невостребованными как источник знания или верифицированного обучающего сигнала.

RAP: 25 тысяч триплетов из конференций 2022–2026

Исследователи из Meituan представили RAP (Reconstruct A Poster) — датасет и бенчмарк для генерации постеров как задачи визуального кодирования. Датасет содержит:

• 25+ тысяч проверенных пар статья-постер из конференций машинного обучения (2022–2026) • трёхуровневую таксономию контента • held-out бенчмарк из 150 тестовых статей с авторскими постерами

Ключевая особенность: полностью автоматизированный derendering pipeline преобразует каждый постер в стилизованный HTML/CSS код с типизированными переполняемыми слотами. Результат — paper-poster-markup триплет, верифицируемый рендерингом против исходника. Каждый пример одновременно служит для вывода и обучения.

Два метода: от PosterRAG к SFT+RL

PosterRAG — мультиагентный pipeline без обучения. Извлекает похожий постер-пример и заполняет его слоты контентом новой статьи, не трогая макет и оформление. Минимальное вычисление, мгновенная адаптация.

SFT+RL — рецепт для обучения специализированной модели на триплетах. Supervised fine-tuning + reinforcement learning позволяют модели учиться структурировать контент и заполнять слоты, используя весь датасет.

Соседние работы 2026

Экосистема инструментов для визуальной генерации растёт параллельно:

• AesCode: Aesthetic Code Generation with Decoupled Cross-Modal Rewards • InfoVis: Unified Slide Image Generation and Editing • From Prompting to Composing: A Spatial Canvas Interface for Poster Generation • Read, Parse, Describe: Unified Document Parsing with Visual Element Description Generation • Beyond Instruction-Driven Editing: Source-Grounded Problem Discovery with User-Governed Repair for Scientific Posters • ReDeck: Step-Level Render-Grounded Refinement for Document-to-Slide Generation • Xiaomi-OCR-0 Technical Report

Демо на reconstruct-a-poster.github.io.

Авторы: Haonan Han, Yukang Lin, Minliang Lin, Haoxian Tan, Jun-Yan He, Rui Yang, Zhi-Qi Cheng, Jie Hu, Guanglu Wan, Xiu Li (Meituan).