arXiv cs.CL· Yueying Li, Jingxuan Fan, Kiant\'e Brantley, Sham M. Kakade, Hanlin Zhang·· 3 小时前AI 评分43
无监督多模态奖励建模：在冻结 Qwen3-VL 中间层训练线性头
Unsupervised Multimodal Reward Modeling
AI 导读
新方法在冻结的 Qwen3-VL 中间层训练线性头做多模态奖励建模，无需人工偏好标注，32B 下在 VL-RewardBench 领先 GPT-4o 6.6 分。
来源：arXiv cs.CL · arxiv.org