VVR可验证视觉奖励大幅提升图像生成指令遵循

Shuyue Stella Li 等研究者发布 arXiv 论文，指出当前图像生成模型在精确指令遵循（如物体数量、空间关系）上表现不佳，例如难以数清图中圆圈数量。他们提出可验证视觉奖励（VVR），用少量提示进行强化学习，使 SD3.5 的指令遵循率从 2.8% 提升至 28.3%。实测显示验证器能精准区分 RL 产出与基线渲染，正确接受 VVR 输出并拒绝基线结果。

2026-09-29 ~ 2026-09-29 · 3 条相关

• 图像模型仍不会数圈:可验证视觉奖励 VVR 提升指令遵循 — StellaLisy · 2026-09-29
• VVR 论文实测:验证器精准区分 RL 产出与基线渲染 — StellaLisy · 2026-09-29
• arXiv 论文:可验证视觉奖励让 SD3.5 指令遵循从 2.8% 升至 28.3% — testingcatalog · 2026-09-29