读回来：预训练 MLLM 的零样本图文生成奖励模型
本文提出 SpectraReward，一种无需训练的奖励函数，将预训练 MLLM 转为现成的图像生成强化学习奖励模型。通过单次图像条件化正向传播评估原始提示的恢复程度，直接复用预训练对齐能力。
查看原文解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。
本文提出 SpectraReward，一种无需训练的奖励函数，将预训练 MLLM 转为现成的图像生成强化学习奖励模型。通过单次图像条件化正向传播评估原始提示的恢复程度，直接复用预训练对齐能力。
查看原文