arXiv cs.CL· Yueying Li, Jingxuan Fan, Kiant\'e Brantley, Sham M. Kakade, Hanlin Zhang·· 2 小时前AI 评分27
无需人类偏好标注：基于冻结 Qwen3-VL 的无监督多模态奖励建模
Unsupervised Multimodal Reward Modeling
AI 导读
研究者提出一种无需人类偏好标签的多模态奖励模型：在冻结的 Qwen3-VL 主干中间层加线性头，训练其给同一图像的网络 caption 打分高于扰动版本，标注数据仅用于选层。
来源：arXiv cs.CL · arxiv.org