UMM-Reflection 交错强化学习让多模态模型学会自我修正,GenEval 0.71→0.84
ziqi_huang_ · x · 2026-09-29
Ziqi Huang 团队开源 UMM-Reflection,用交错强化学习教会统一多模态模型生成、反思并重绘图像。由于修正效果只有渲染后才知道,反思文本与图像生成需在整个循环中联合学习。
- 方法:在同一样本上共享初始图像的兄弟轨迹间做组相对优势比较,一条轨迹级优势同时更新反思 token 和流式修正,推理时无需外部验证器
- 在 BAGEL 上 GenEval 较 SFT 提升 12.05 分(0.71→0.84)
- 增益可迁移到训练未见的 WISE(+10.97)、T2I-CompBench++(+4.63)、OneIG(+3.48)
所属事件:UMM-Reflection 开源，交错强化学习让多模态模型自我修正图像(3 条相关)→
「研究」频道最新
- ThinkyMachines 训练开源模型用约 40 token 直接修复损坏网络权重 — SonglinYang4 · 2026-11-14
- 哈佛 MIT 团队推出 UGG:单一扩散模型统一视频生成与 3D 几何理解 — burny_tech · 2026-11-14
- Hugging Face 推出 Decision Models:不生成文本直接输出决策概率分布 — ariG23498 · 2026-11-14
- 可计算拓扑学新结果:计算数学结构被压缩为定理 A 与 B 两个 — jessi_cata · 2026-11-14
- BAAI 开源无编码器 VLM 系列 EVE,登 NeurIPS 与 ICCV 获 spotlight/highlight — liuziwei7 · 2026-11-14
- 《递归模型坍缩》：模型如何在自我投喂中变成乖顺助手 — sebkrier · 2026-11-14