布局评估 85.5%：京东 Uni-Layout 怎么对齐人

CodexQA 团队2026年9月1日阅读约 3 分钟

京东云开发者社区 2026-09-01 记录 Uni-Layout。评估器准确率 85.5%，人模拟 LR 0.702，对照 GPT-4o 的 0.584。Layout-HF100k 有 10 万条人工标注，表 1 没有逐模型分数。

布局评估 85.5%：京东 Uni-Layout 怎么对齐人

京东云开发者社区在 2026 年 9 月 1 日发了零售广告创意的布局模型 Uni-Layout。页面作者是社区账号冯伟****。稿里写论文是 MM2025，链接 arXiv:2508.02374，代码在 JD-GenX/Uni-Layout。评估准确率和生成指标写在正文里，表 1 的逐模型分数仍有一部分只在图里。

布局生成是给海报、文档、界面排元素。这篇认为现有做法有两个断点：每个任务各训一个模型；按设计原则算出来的高分，人看起来可能很差。Uni-Layout 把生成、评估、对齐放在一个回路里。

先把任务收成四种，再让评估器学人

分类用两个轴：背景是自由还是受限，元素内容是自由还是受限。四种任务写成 BFEF、BCEF、BFEC、BCEC。生成器是多模态大模型，输入自然语言。指令里任务描述、背景、元素、输出格式都要有；背景和元素的属性必填，内容可以空。联合训练这四类，而不是一任务一模型。

评估数据叫 Layout-HF100k：10 万条人工标注，覆盖这些代表性任务。图 2 只区分合格和不合格两类例子。正文没有写标注人数、是否多人重合、合格与不合格的比例。

评估器分两支，一支看视觉，一支看几何，再加一个出定量置信度的分类头，以及定性思维链。思维链固定四步：

布局概览：用短文本写下第一印象和整体构图。
空间解构：看对齐、重叠和间距。
美学评估：看比例、空间和谐和视觉节奏。
全面评估：合成前面三步，给出合格或不合格。

对齐不用固定边距。生成器对同一指令出两个候选 l1、l2，评估器打分。偏好越强，DMPO 把胜负之间的边距拉得越大；偏好弱，边距就小。分数差还过一个非线性变换。正文把这叫动态边距偏好优化。边距的具体函数在图里，没有写成一个常数。

评估器对照的是 GPT-4o、Claude 3.5 Sonnet、GLM-4v、DeepSeek-R1，都按 LLM-as-Judge。除了 DeepSeek-R1 只吃文本，其余收到相同指令和相同视觉输入。Uni-Layout 的评估器准确率 85.5%，原文写比这些多模态模型高出 25%–35%。有的模型接近随机，大约 50%。表 1 没有把每个模型的准确率写成数字，所以 25%–35% 不能拆成「GPT-4o 是 60.5%」这种差。85.5% 的测试条数和与人工标注是否同一批 10 万，原文也没写。

生成侧分三类基线：单任务专用模型，例如 LayoutDM；闭源 GPT-4o、Claude 3.5、DeepSeek-R1；开源多模态模型，例如四个任务一起训的 LLaVA。正文点名的数是：

BFEF：重叠 Ove 0.001，对齐 Ali 0.00004，写的是与 LayoutDM、LayoutFlow 持平或更好。
BFEC：Ove 0.00045，Max. 0.439。
BCEF：Rcom 31.848，Rsub 0.774。
BCEC：Rcom 8.536，写的是这项最低，其他指标只说保持竞争力。

这些缩写没有在正文里展开公式。表 2 其余格子仍在图里。

人模拟评估用评估模型的 LR 分。Uni-Layout 0.702。对照是 GPT-4o 0.584、Claude 3.5 0.575、DeepSeek-R1 0.401、LLaVA 0.422。相对 LLaVA，原文写提升近 30%。四个专用模型的平均 LR 是 0.658：LayoutFlow 管 BFEF，P&R 管 BFEC，PosterLlama 管 BCEF 和 BCEC。0.702 对 0.658 是这组平均，不是对每一个专用模型都更高。LR 的计算式和样本数没有写。