SciForma：科学图示的结构保真生成

SciForma框架旨在解决科学图示生成中的结构保真问题，将图示质量分解为组件、箭头和文本三个轴线，并基于结构清单构建了SciFormaData-700K训练集和SciFormaBench-2K评估集。通过多维合取偏好优化（M-DPO）在训练后阶段强制所有轴线同时正确并自适应调整梯度，9B参数模型在两项基准上超越所有开源模型及GPT-Image-1.5，使开源科学图示生成接近专有水平。

此前开源模型无法可靠保证科学图示的结构正确性，单一错误（如箭头反向）即可使整图无效。SciForma通过结构化分解与多维合取优化，首次在开源模型上实现接近闭源模型的保真度，大幅缩小了开源与专有方案的差距。

SciForma将图示质量拆分为组件、箭头、文本三个独立轴线，由结构清单引导；M-DPO在偏好优化中强制所有轴线同步正确，并将梯度路由到最短板维度；推理时还可利用结构清单迭代修正残留错误，组合实现了整体结构保真。

对科学图表生成产品而言，开源模型可直接使用或微调，无需依赖商业API即可获得高保真输出，降低图表错误率与人工审核成本；对集成该模型的工具（如论文写作助手、科研演示软件），可显著提升用户对自动生成图示的信任度。

• 开发基于SciForma的API服务，为论文写作平台提供高保真科学图示生成
• 将模型集成到LaTeX或Markdown编辑器插件中，实现即时图表生成与纠错
• 针对特定学科（如生物、物理）微调SciForma-9B，输出符合领域规范的结构化图示
• 基于Structual Inventory构建交互式编辑工具，支持用户以自然语言修改组件关系

• 模型在非英语文本标注（如中文方程）上的结构保真是否同样可靠？
• 训练数据集SciFormaData-700K是否公开？许可证是否允许商业使用？
• 9B参数模型在低资源设备上的推理速度能否满足实时交互需求？
• 是否存在独立第三方复现或评测以确证证据中声称的超越结果？