V-Rubrics：基于细粒度标准的视觉忠实度强化学习

liuziwei7 · x · 2026-08-27

针对视觉语言模型（VLM）在回答流畅但缺乏视觉事实支撑的问题，论文提出这是一种“信用分配”的失败。V-Rubrics 方法改变了监督单位，将单一分数分解为视觉忠实度（VF）、推理一致性（RC）和指令遵循（IF）三个原子标准，提供结构化的部分信用。研究构建了 50K 训练集，通过基于规则的过滤和 Gemini-3-Pro 标注，在 Qwen3-VL-8B-Instruct 上验证了该方法能有效提升模型的视觉对齐能力。