arXiv · Computation and Language· Yueying Li, Jingxuan Fan, Kiant\'e Brantley, Sham M. Kakade, Hanlin Zhang·· 3 hr agoAI score57
Unsupervised Multimodal Reward Modeling 提出无标注多模态奖励建模方法
Unsupervised Multimodal Reward Modeling
AI brief
论文提出一种无需人工偏好标注的视觉语言奖励模型，在冻结的 Qwen3-VL 骨干中间层加线性头，训练时对同一图片的原始 caption 高于扰动版本，标注数据只用于选择层。
Source: arXiv · Computation and Language · arxiv.org