论文
TikZilla：用高质量数据与强化学习扩展 Text-to-TikZ
TikZilla: Scaling Text-to-TikZ with High-Quality Data and Reinforcement Learning
摘要
大语言模型（LLM）日益被用于在多样工作流中辅助科学家。一个关键挑战是从文本描述生成高质量图形，这常以可渲染为科学图像的 TikZ 程序表示。既往研究为此任务提出了多种数据集与建模方法。然而现有 Text-to-TikZ 数据集太小且噪声大，难以涵盖 TikZ 的复杂性，造成文本与渲染图形间的失配。此外，既往方法仅依赖监督微调（SFT），模型接触不到图形的渲染语义，常导致循环、无关内容和空间关系错误等问题。为解决这些问题，我们构建 DaTikZ-V4，一个规模超过 DaTikZ-V3 四倍、质量显著更高的数据集，并以 LLM 生成的图形描述加以丰富。利用该数据集，我们训练 TikZilla，一系列小型开源 Qwen 模型（3B 与 8B），采用 SFT 后接强化学习（RL）的两阶段流水线。在 RL 阶段，我们利用经逆向图形学训练的图像编码器提供语义忠实的奖励信号。超过 1,000 次判断的大量人类评估显示，TikZilla 在 5 分制上较其基座模型提升 1.5-2 分，超出 GPT-4o 0.5 分，并在基于图像的评估中比肩 GPT-5，而模型规模小得多。
