论文页面 - 先思后评：用于视觉生成的思考奖励模型

来源：https://huggingface.co/papers/2609.37372 作者：

,

,

,

,

,

,

,

,

,

,

摘要

视觉奖励模型对于评估和改进视觉生成模型至关重要，但现有方法通常将任务条件与候选输出直接映射为标量奖励，隐式地决定了每个具体案例的评估内容。我们提出“先思后评”范式，在判断候选输出表现前明确每个案例的关键评估点。基于此原则，我们设计了思考奖励模型，它通过构建案例适配的评估准则，执行准则引导的评估，并输出细粒度的逐点奖励。我们进一步发现传统的成对偏好优化可能导致分数极化现象，因而提出成对双组相对策略优化方法，利用成对监督在保持细粒度逐点评分的同时提升奖励区分度。在图像生成和编辑奖励建模基准上的大量实验表明，该模型在开源奖励模型中达到了最优性能，同时与闭源替代方案相比保持高度竞争力。此外，将该模型作为奖励信号用于强化学习时，能持续提升各类视觉生成模型的效果，证明其细粒度、案例适配的奖励机制能为视觉生成提供有效的优化信号。

查看 arXiv 页面 (https://arxiv.org/abs/2609.37372)查看 PDF (https://arxiv.org/pdf/2609.37372)项目页面 (https://bxhsort.github.io/Thinking-Reward-Model/)GitHub16 (https://github.com/bxhsort/Thinking_Reward_Model)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.37372)

在您的智能体中获取此论文：

hf papers read 2609\.37372

没有最新 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型0

没有模型链接本文

在模型的 README.md 中引用 arxiv.org/abs/2609.37372 即可从本页链接。

引用本文的数据集0

没有数据集链接本文

在数据集的 README.md 中引用 arxiv.org/abs/2609.37372 即可从本页链接。

引用本文的空间0

没有空间链接本文

在空间的 README.md 中引用 arxiv.org/abs/2609.37372 即可从本页链接。

包含本文的收藏集0

没有收藏集包含本文

将本文添加到收藏集 (https://huggingface.co/new-collection)即可从本页链接。