标签
本文展示了基于探针的小型语言模型可以替代大型生成模型用于基于准则的强化学习奖励，提高效率的同时保持一致性和可迁移性。
提出一种基于评估准则的强化学习方法，通过将回答分解为原子命题，并从视觉忠实性、推理一致性和指令遵循度三个维度进行评分，从而提升视觉语言模型的视觉忠实性。