RAP

数据集分析

制作会议海报是一种微缩的视觉编码：整篇论文必须压缩到单页上，这同时锻炼了摘要撰写、视觉设计与代码实现能力，且仅依赖论文本身。然而，在视觉编码语境下针对该任务的基准仍然稀缺：现有资源规模较小，且仅用布局框进行标注，因此评估只能退而求其次地依赖VLM-as-judge或人工检查清单，而无法进行客观的渲染-比较；同时，这些资源所支持的生成方法是从零开始设计布局，使得人工制作的海报既不能作为可检索的设计库，也无法作为经过验证的监督信号。我们提出RAP（Reconstruct A Poster），一个将论文到海报生成视为视觉编码任务的数据集与基准。RAP包含来自2022年至2026年间多个机器学习会议的25K+对经过验证的论文-海报样本，并标注了三层内容分类体系；此外还有一个留出的基准集，包含150篇测试论文，每篇都配有其对应的人工制作海报。一条全自动的反渲染（derendering）流水线将每张海报转换为带类型的、可重新填充槽位的样式化HTML/CSS，因此每个样本都是一个论文-海报-标记三元组，可通过与源海报进行渲染比对来验证。该语料库同时服务于推理与训练：PosterRAG是一个无需训练的多智能体流水线，它检索范例并重新填充其槽位，而不改动布局或样式；而一种SFT+RL方案则利用相同的三元组训练专用模型。在线演示见https://reconstruct-a-poster.github.io/。