Figma обучила свою модель для правок в макетах: пользователи отменяют их на 60% реже
Figma рассказала, как обучала свою модель для правок в макетах. В агенте она делает точные правки, а типовые задачи стали на 20% быстрее.
Figma обучила собственную модель для правок в макетах и рассказала, как её тренировала. Своя модель уже работает в агенте Figma, который компания открыла всем пользователям ранее в октябре. От беты до общего запуска типовые задачи в агенте стали примерно на 20% быстрее, оценки пользователей выросли на 33%, а свои правки они отменяют на 60% реже.
Работу начали с дообучения с учителем (supervised fine-tuning). Каждый пример — стартовый макет, сгенерированный синтетический запрос на правку и удачный вариант изменения. Макеты записаны в родном формате Figma, поэтому модель выдаёт правки, которые можно применить к холсту. Пробные изменения делали более крупные модели-учителя, а проверяли их автоматические валидаторы и визуальные модели-судьи: они оценивали, что ответ корректен и что запрос выполнен.
Подход сработал лучше ожидаемого: ранняя модель на Llama 3.3 70B, обученная более чем на 250 000 примеров, на правках не уступала лучшим моделям того времени. Дальше Figma перешла на более сильные базовые модели и добавила обучение с подкреплением. Одного дообучения с учителем не хватило: оно учит повторять увиденное и хуже обобщает, а примеров требует много. Сейчас компания работает над средой для обучения с подкреплением в дизайне и критериями от экспертов-дизайнеров.
В агенте работают модели двух типов. Для изображений, векторов и совершенно новых концепций Figma берёт лучшую стороннюю модель, для точных правок и итераций — свою. Доля работы на собственной дообученной модели выросла более чем вдвое, средняя стоимость сообщения снизилась. Конкретных цифр по экономии компания не приводит.
Качество правок Figma оценивает по частям: отдельно структуру макета, отдельно визуальный результат, затем сверяет оценки с дизайнерами-экспертами. В сравнении с прежним агентом новый побеждает или не уступает ему в 62% случаев. В этом тесте участвовала новейшая модель Figma, дообученная на Qwen 3.8 27B; её ещё не выпустили.
В Figma считают, что дообученная под узкую задачу модель может конкурировать с самыми сильными общими моделями.