Qiushi Sun (チウシ・スン) 氏らは2026年10月14日(現地時間)、論文「PrismaCoder: Pushing the Boundaries of Open Multimodal Code Intelligence through Decomposed Rubric Synthesis」をarXiv cs.CLに公開した。同論文は、マルチモーダルコードインテリジェンスのオープンな進展を目的としたデータパイプライン「PrismaForge (プリズマフォージ)」と、それにより学習されたモデル「PrismaCoder-9B」「PrismaCoder-35B」を発表した。これにより、オープン分野の最先端技術を大きくリードするとされている。
マルチモーダルコードインテリジェンスは、プログラムのシンボリックな世界と、その実行によって生成される視覚的な世界を結びつける技術である。近年、モデルがチャートやウェブページ、アニメーション、半構造化ドキュメントなどを生成する需要が増加し、この分野への関心が高まっている。
既存のプロプライエタリモデルはテキスト記述やスクリーンショットからインタラクティブな成果物を生成できるまでに進展しているものの、そのデータと学習方法は非公開であり、オープンな進展は利用可能なデータの量と質の不足、およびその生成パイプラインと手法によって阻害されている。特に品質の確保は難しく、プログラムとして正しいこと、適切に構築されていること、そして何よりもレンダリング時に視覚的に正しいことの3点を同時に保証する既存のシグナルは存在しない。
Qiushi Sun 氏らは、オープンな進展をさらに推進するため、データ側からアプローチし、階層的なデータパイプラインであるPrismaForgeを開発した。このパイプラインは、これらの要素を検証可能な基準に分解する合成ルーブリック (rubric) を中心としている。このルーブリックはフィルタとしても報酬としても機能し、教師ありコーパスをキュレートし、視覚的コーディングタスクにおける強化学習を促進する。
PrismaForgeを活用したデータ合成とフィルタリングにより、PrismaCoder-2M (プリズマコーダー-2M) が構築された。これはマルチモーダルコードインテリジェンス向けとして最も多様で、これまでのオープンデータセットとしては最大規模である。モデル側では、このデータを用いてPrismaCoder-9B (プリズマコーダー-9B) およびPrismaCoder-35B (プリズマコーダー-35B) を学習させ、両モデルを公開した。これらのモデルはオープンな最先端技術を大きくリードし、主要なプロプライエタリシステムにも匹敵するという。分析の結果、提案されたルーブリックベースのパイプラインは、モデルのバックボーン全体でマルチモーダルコーディングの性能を向上させることが示されている。関連するコードとデータはインターネット上で公開されている。
参考: arXiv cs.CL — 2026年10月15日 02:32 (JST)
原文ハイライト"PrismaCoder-2M, the most diverse open dataset for multimodal code intelligence and the largest to date."