NTU团队开源V-Rubrics:35万条评分准则解决视觉推理信用分配
青稞AI · wechat · 2026-10-05
南洋理工大学 S-Lab、ASTAR 与 UIUC 团队提出 V-Rubrics,用逐项评分准则(rubric)处理多模态 RL 中的信用分配问题,论文已被 EMNLP 2026 主会接收,代码与数据开源。
方法上,将视觉回答拆为三类准则:视觉忠实性(VF)、推理一致性(RC)和指令遵循(IF)。V-Rubrics 50K 数据集含 50,248 个视觉样本、共 352,938 条可独立判分的原子准则(其中 VF 占 59.3%)。训练时 verifier 只读回复与准则、不读原图,并把每条准则的 advantage 定位到对应证据句所在的回复前缀;Pitfall 类陷阱项可否决幻觉回复的奖励。基于 Qwen3-VL-8B 同一 SFT 起点与同一批 RL 数据,rubricGRPO 在通用与知识评测 OverallAvg. 达 68.04,高于答案级 GRPO 的 66.25;视觉数学与图表评测达 62.45,提升主要来自 MMMU 系列。
所属事件:V-Rubrics 用 35 万细粒度准则解多模态 RL 信用分配难题(3 条相关)→
「多模态」频道最新
- HeyGen 发布 Avatar 6,官方放出历代数字人模型同框对比 — HeyGen · 2026-11-20
- Anima 基础工作流遇坑:3 个底模只输出雪花噪点 — Casualoldgamer1 · 2026-11-20
- 微调 Qwen3-VL 8B 解读镜头语言,准确率 69% 远超 Gemini 与 Opus — ravisparikh · 2026-11-20
- Reddit 用户用 Seedance 2 生成广告短片《Entrega Express》 — Ok-Nerve941 · 2026-11-20
- 用户实测 Google Genie 新版:此前「淘金热」概念已惊艳 — AI_Andrew · 2026-11-20
- 「Johnny」:强模型生成德普风格人像质感惊艳 — egeberkina · 2026-11-20