PRISM：通过结构化多模态数据合成实现优先级感知的评分规则内化

PRISM 是一种为多模态模型设计的四阶段数据合成框架，通过生成带优先级的结构化评分规则数据，提升模型按规则执行指令的能力。实验表明，仅用 1 万条合成样本，Qwen3-VL-4B 在 PRISM-Eval 的严格准确率从 9.5% 提升至 30.1%，且通用基准性能保持稳定，该增益还可迁移至其他四种开源多模态模型。

此前多模态训练数据多聚焦于单一问答，忽略了现实指令中多规则与优先级并存的情况。PRISM 将模型定位为规则的执行者，并验证了结构化评分规则监督的有效性，为提升多规则、优先级感知的指令跟随能力提供了可扩展的新路径。

PRISM 通过四阶段流程生成数据：构造人物-任务对，生成带前缀的规则集，筛选质量，并生成结构化验证轨迹。这些数据让模型学习先逐条校验规则再输出整体判断。PRISM-Eval 采用确定性匹配，无需推理时的评判模型，从而支持可靠评估。

对多模态产品，如视觉助手或内容审核工具，PRISM 的方法可提升模型对复杂多条件指令的遵从度，减少误判。训练数据合成成本低，仅需 1 万样本，易于在现有模型上应用，从而加速产品迭代和功能增强。

• 开发面向视觉问答产品的多规则指令遵循优化工具，基于 PRISM 框架生成结构化训练数据。
• 将 PRISM-Eval 集成到模型评估流程，以低成本持续监测多条件指令的遵循质量。
• 为内容审核场景定制带优先级的规则集，提升对违规内容的识别准确性。
• 基于 PRISM 生成的可迁移数据，为不同架构的多模态模型提供数据增强服务。

• PRISM 在真实世界复杂指令上的泛化能力尚未得到充分验证。
• 该方法对更大规模模型（如 70B+）的效果未知。
• PRISM 生成的数据是否会导致模型对其他指令类型的性能下降，需进一步探索。