现在的视觉奖励模型大多只会给一个笼统分数或套用固定规则，难以适应多样指令，解释性也差。RubricRM 提出一种新范式：先依据输入动态生成专属评分标准，明确评价维度、权重和打分规则，再据此精确评估图像生成与编辑结果。它采用监督微调和维度级 GRPO 两阶段训练，即使骨干网络较小，也能在多个基准上超越许多专用奖励模型，甚至与闭源多模态大模型打分器一较高下，让图像评价变得更加细致、透明。
原文：arxiv.org
RubricRM：为每幅图像量身定制的动态评分标准
15分钟 ·
8·
0
80