通过交错式强化学习，让统一模型学会原生反思
UMM-Reflection训练统一多模态模型检查图像、发现错误，并通过多轮迭代自行修正生成结果。不同于监督微调，或只优化图像生成器及模型单一部分的强化学习，该方法评估完整的反思轨迹，并同时更新反思文本和图像修订。在BAGEL上，相比监督微调，GenEval提升了12.05分。在训练中未使用的WISE（+10.97）、OneIG-Bench（+3.48）和T2I-CompBench++（+4.63）上也取得了提升。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。