视觉语言模型 / CVPR2026
AnyDoc:通过大规模 HTML/CSS 数据合成与高度感知强化优化增强文档生成
AnyDoc: Enhancing Document Generation via Large-Scale HTML/CSS Data Synthesis and Height-Aware Reinforcement Optimization
提出可扩展的 HTML/CSS 文档数据合成管线与高度感知强化学习后训练,为多模态大语言模型在结构化视觉生成任务(如文档渲染、元素到文档)上提供可复用的数据构造与奖励设计思路。
多模态大语言模型数据合成强化学习后训练