微软用参考图引导代码排版，让海报和幻灯片更美观

发生了什么

AesCode 把生成图片的审美优势引入代码生成，同时保留代码产物的结构与可编辑性。它以内容提示为准，用同一提示生成的图片提供视觉指导，再分别评估可解析属性和需要视觉判断的布局品质，面向海报、幻灯片与看板等作品。12

这项工作直接对应一个常见难题：代码生成的内容可能准确，却缺少设计感；好看的参考图又可能把文字和数字画错。

具体是什么

系统将目标组织成设计图，表达画布中的元素、属性与关系。能从代码或渲染中解析的内容交给确定性核验，难以直接解析的视觉属性则交给依据设计关系制定的评分规则，再通过强化学习共同优化。2

它并不是要求模型逐像素复刻参考图，而是让参考图帮助建立视觉方向，同时让用户的内容要求继续承担事实依据。

怎么用

从 HF 论文页进入微软 AesCode 项目和仓库，查看参考图、设计图与最终代码的对应示例。1 自己测试时，先准备一份不能被改写的文字和数据清单，再选一张只用于风格与布局的参考。

验收分成两轮。第一轮检查文字、数字、元素数量和代码是否可编辑；第二轮检查对齐、层级、留白、颜色及小屏阅读效果。若参考图本身含有错误，不应让它覆盖正式内容。

修改时也要明确范围，例如只调整标题层级或图表位置。保留可重新渲染的代码，检查新版本有没有把之前正确的信息改掉。对于多页演示，还应另行检查跨页风格与逻辑一致性。

还可以检查代码结构是否支持后续编辑。若每次修改标题都需要重做整张图，即使初稿美观，复用价值也有限；把局部改稿时间纳入验收，更能反映它对日常制作是否有帮助。

意味着什么

视觉生成可以把内容与审美分别组织，再在交付时合并验收。这给内容工具开发者一个方向：让用户明确哪部分是事实、哪部分是风格参考，以及哪些要求必须严格保持。

对创作者，最容易马上借鉴的是双重检查清单。不要因为图好看就忽略错字，也不要因为数据正确就接受拥挤难读的布局。可编辑输出能降低修改成本，但前提是结构清楚。

局限与风险

论文的视觉质量提升来自指定基准、模型规模和参考条件，不能保证每种设计任务都有同等收益。2 自动视觉评分仍可能遗漏细小文字、内容逻辑和行业惯例，参考图也可能带来不适合目标受众的风格。

正式发布前应按实际显示尺寸检查。代码能运行只说明渲染链路完成，信息是否准确、设计是否清楚、修改是否可控仍要逐项确认。应保存素材来源与生成配置，方便后续复用和修订。