arXiv · AI· Yijia Fan, Ziqi Huang, Zhongang Cai, Yan Li, Zimo Wen, Wanqi Yin, Haiwen Diao, Ziwei Liu·· 6 小时前AI 评分41
UMM-Reflection 如何在统一模型中通过交错强化学习实现原生反思
Learning Native Reflection in Unified Models with Interleaved Reinforcement Learning
AI 导读
研究团队提出 UMM-Reflection，利用强化学习在统一多模态模型内联合学习反思文本与图像修正，克服了监督微调难以发现高成功率修复路径的局限。 该方法在 BAGEL 模型上使 GenEval 提升 12.05 分，且增益迁移至 WISE 等未参与训练的基准，无需外部验证器即可跨轮次分配信用。
来源：arXiv · AI · arxiv.org