苹果 RubiCap 框架：让 AI 精准描述图像每个细节，小模型性能超 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。该技术能识别图像局部区域（如桌上红苹果、远处行人）并生成精准文字说明，区别于传统整体描述。

传统训练面临人工标注成本高、合成数据缺乏多样性的问题。RubiCap 通过创新强化学习机制解决：抽取 5 万张图像，调用 GPT-5、Gemini 2.5 Pro 生成候选描述；再由 Gemini 分析共识与遗漏，转化为评分标准；最后 Qwen2.5 担任裁判打分，提供精准反馈。

基于此框架训练的 20 亿、30 亿、70 亿参数模型表现出色：70 亿模型盲测排名最高，幻觉错误率最低，全面超越 720 亿参数模型；30 亿模型甚至在部分测试中反超 70 亿版本，证明小模型可摆脱对大参数量的依赖。