苹果联合推出 RubiCap 框架：AI 图像细节描述能力超 10 倍体量对手

苹果公司与威斯康星大学麦迪逊分校联合发布 RubiCap AI 训练框架，专注优化密集图像描述模型的训练流程。密集图像描述技术能识别图片局部区域（如“桌上的红苹果”）并生成精准说明，区别于传统整体描述。

传统训练方法标注成本高，合成数据方案易导致输出缺乏多样性。RubiCap 创新采用强化学习机制：先用 GPT-5、Gemini 2.5 Pro 生成候选描述，再通过 Gemini 2.5 Pro 提炼评分标准，最后由 Qwen2.5 打分，提供结构化反馈。

基于该框架训练的 20 亿、30 亿、70 亿参数模型表现出色：70 亿参数模型盲测排名第一，幻觉错误率最低，超越 720 亿参数模型；30 亿参数模型在部分测试中反超 70 亿版本，证明高质量模型无需依赖庞大参数量。