RAP reúne 25 000 pares artículo–póster y enseña a la IA a maquetar pósteres en HTML/CSS

Un grupo de investigadores ha presentado RAP (Reconstruct A Poster), un dataset y benchmark que convierte la creación de un póster científico en una tarea de código visual. El corpus contiene más de 25 000 pares verificados «artículo–póster» de conferencias de ML de 2022–2026. Incluye además un conjunto de prueba reservado: 150 artículos, cada uno con su póster original de los autores. Cada póster se ha traducido automáticamente a HTML/CSS, así que cada muestra es una tripleta «artículo–póster–marcado».

Por qué un póster

Los autores describen el póster como código visual en miniatura. Hay que condensar todo un artículo en una sola página. Para ello, el modelo tiene que resumir el texto, tomar decisiones de diseño y escribir código al mismo tiempo, y su única materia prima es el propio artículo.

Sin embargo, hay pocos benchmarks para esta tarea. Los conjuntos existentes son pequeños y sus anotaciones se limitan a los bloques del maquetado. Por eso la calidad se evalúa con un VLM en el papel de juez o con personas que siguen listas de verificación. No existe una comparación objetiva del tipo «se renderiza y se compara con la referencia». Hay además un segundo problema: los métodos actuales diseñan el maquetado desde cero con estos datos, y los pósteres de autor ya hechos no se aprovechan ni como biblioteca de diseño para búsqueda ni como muestra de entrenamiento verificada.

Cómo funciona RAP

El núcleo del pipeline es un de-rendering totalmente automático. Cada póster se transforma en un HTML/CSS estilizado con slots tipados que se pueden volver a rellenar. Como el marcado procede de un póster real, se puede renderizar y comparar con el original. Así, cada muestra es verificable.

Además, todos los pares están anotados con una taxonomía de contenido de tres niveles. La descripción no explica cómo están definidos esos niveles.

• Volumen: más de 25 000 pares «artículo–póster» de conferencias de 2022–2026.
• Prueba: 150 artículos reservados, cada uno con un póster hecho por una persona.
• Formato: tripleta «artículo–póster–marcado», verificable mediante renderizado.
• Marcado: HTML/CSS con slots tipados para volver a rellenarlos.
• Taxonomía: tres niveles de descripción del contenido.

Dos formas de usar el corpus

Sobre los mismos datos, los autores muestran dos enfoques. El primero es PosterRAG, un pipeline multiagente sin fine-tuning. Busca en el corpus un póster de autor adecuado y rellena de nuevo sus slots con el contenido del nuevo artículo. El maquetado y los estilos no cambian. El diseño lo aportan las personas y el modelo se encarga del contenido.

El segundo enfoque es una receta SFT+RL: con las mismas tripletas se entrena un modelo propio. El fine-tuning supervisado le da la capacidad básica de escribir el marcado de un póster, y el aprendizaje por refuerzo mejora el resultado. Aquí la verificación por renderizado puede servir como señal objetiva. Es una suposición, no un hecho declarado en el resumen del trabajo. También hay una demo en línea en reconstruct-a-poster.github.io.

El resumen no incluye cifras de calidad: ni una comparación de PosterRAG con la generación «desde cero», ni resultados del modelo entrenado. Por ahora, el valor del trabajo está en los datos y en el planteamiento de la tarea. Cuán sólidos son los métodos propuestos se sabrá al leer el artículo completo.

Dónde puede resultar útil

Para quienes investigan la generación de documentos e interfaces, RAP ofrece algo poco habitual: una referencia con la que comparar el resultado de forma automática. No hace falta reunir a un panel de expertos ni fiarse de la valoración de otro modelo. El enfoque de «encontrar un buen ejemplo y rellenar los slots» se puede trasladar a formatos afines: diapositivas, landing pages, informes e infografías.

Para los autores de artículos, la utilidad práctica es por ahora más modesta: la demo permite ver qué aspecto tiene un póster generado automáticamente. Pero con un corpus ya listo y una receta de entrenamiento abierta, las herramientas para conferencias probablemente aparecerán pronto. Quienes construyen pipelines de agentes deberían fijarse en el esquema de PosterRAG. Separa el diseño del contenido y, con ello, reduce el riesgo de maquetados rotos que afecta a la generación de layouts desde cero.