从像素到策略：在语言模型中强化空间推理以实现内容感知的版式设计

我们提出 LaySPA，一个强化学习框架，为大型语言模型（LLM）配备显式且可解释的空间推理能力，用于内容感知的图形版式设计。LaySPA 应对两个关键挑战：LLM 空间推理能力有限，以及设计决策过程的不透明。我们不在像素层面操作，而是将版式设计重新表述为在一个结构化文本空间环境上的策略学习问题，该环境显式编码画布几何、元素属性和元素间关系。LaySPA 产出由可解释推理轨迹和结构化版式规范组成的双层输出，实现透明且可控的设计决策。版式设计策略通过多目标空间评判进行优化，该评判将版式质量分解为几何有效性、关系一致性和审美一致性，并采用相对组优化训练以在开放式设计空间中稳定学习。实验表明，LaySPA 提升了结构有效性和视觉质量，优于更大的专有 LLM，并取得与专用 SOTA 版式生成器相当的性能，同时所需标注样本更少、延迟更低。