Q-ALIGN： 跳脱分数桎梏，以离散等级指引大型多模态模型进行高精度视觉评分

视觉内容如洪水般涌现，机器急需一把精准的“评分尺”。传统模型难以统一任务且泛化性差。一项研究发现，人类评分者在主观测试中只依赖“优秀”、“差”等离散文本等级而非连续分数进行判断。该研究效仿此过程，提出了Q-ALIGN教学法，成功激活了大型多模态模型的内在视觉判断力。这一创新不仅大幅提升了模型的准确度和跨数据集泛化能力，更将图像质量、美学和视频质量三大评测任务统一至ONEALIGN模型下，开创了视觉评分的新范式。

原文题目：Q-ALIGN: Teaching LMMs for Visual Scoring via Discrete Text-Defined Levels

原文链接：arxiv.org

你将听到 ：

• 机器如何打破传统局限，精准评测海量视觉内容？
• 为什么模仿人类，只用“优秀/差”等离散等级来指导大型多模态模型（LMMs）评分？
• 这种跳脱分数桎梏的“等级教学法”，真能显著提高LMMs在陌生数据集上的泛化能力吗？
• 一个模型能否实现“大一统”，同时出色地胜任图像质量、美学和视频质量这三大评测任务？