UMM-Reflection 统一模型反思训练方法

研究团队提出 UMM-Reflection 方法，利用强化学习在统一多模态模型内部联合优化反思文本生成与图像修正。该方法将强化学习应用于完整的反思轨迹，克服了传统监督微调难以发现高成功率修复路径的局限，实现了模型对图像生成结果的原生自我反思与改进。 在 BAGEL 模型上应用该方法后，GenEval 基准得分提升了 12.05 分。研究结果显示，这种性能增益能够有效迁移至 WISE 等未参与训练的独立基准，验证了方法的泛化性。此外，该方法无需依赖外部验证器即可实现跨轮次的信用分配，进一步增强了统一模型在图像自修复任务中的自主能力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。