Summarize, Judge, Refine: Decoupled Content Understanding and Policy Learning for Multimodal Content Moderation
Meta AI
提出SJR双模型架构,通过内容模型生成摘要、策略模型分类,并利用GRPO协同训练与文本增强,在误导广告检测中提升F1达23.6%,且可在无真实违规数据下启动新策略。
2026-09-22 cs.CL cs.LG
Self-Evaluation Is Already There: Eliciting Latent Judge Calibration in Base LLMs with Minimal Data
National University of Singapore(新加坡国立大学);Beijing University of Technology(北京理工大学)
本文提出自我评估激发(SEE)方法,通过少量数据(160个示例)结合校准耦合强化学习和掩码蒸馏,激发基础LLM中已有的预测外部评判者评分能力,在保持答案质量的同时显著提升校准性能。
2026-08-31 cs.CL
Efficient Self-Improvement in Multimodal Large Language Models: A Model-Level Judge-Free Approach
The University of Texas at Dallas(德克萨斯大学达拉斯分校);Adobe Inc.(奥多比公司)
针对现有多模态大语言模型自我改进依赖自身作裁判导致成本高、易奖励黑客攻击和模型崩溃的问题,提出无裁判框架,通过可控幻觉机制生成偏好对、轻量级编码器优化数据,在基准及IC数据集上以更低计算成本实现更优精确率和召回率。
2024-11-26 cs.AI cs.CL cs.CV
Toward Cultural Alignment: Human-Centered Evaluation of Multimodal AI Stories Across Five African Communities
Microsoft Research Africa(微软研究院非洲分部);Swansea University(斯旺西大学);Cornell University(康奈尔大学);Microsoft Research Cambridge(微软研究院剑桥分部)
本文以五个非洲社区为对象,通过混合方法评估AI生成多模态故事的文化对齐情况,构建了相关分类体系,并发现多模态LLM裁判需经社区校准才能可靠评估文化对齐。
2026-09-01 cs.CL cs.HC
Med-RewardBench: Benchmarking Reward Models and Judges for Medical Multimodal Large Language Models
College of Computer Science and Software Engineering, Shenzhen University(深圳大学计算机科学与软件工程学院);School of Artificial Intelligence, Shenzhen University(深圳大学人工智能学院);Guangdong Provincial Key Laboratory of Intelligent Information Processing(广东省智能信息处理重点实验室);The Hong Kong University of Science and Technology(香港科学与技术大学);Renmin University of China(中国人民大学);National Yang Ming Chiao Tung University;Taipei Veterans General Hospital(台北荣民总医院);School of Biomedical Engineering, Shenzhen University(深圳大学生物医学工程学院)
本文提出 Med-RewardBench,基于 1,026 个专家标注病例构建医学多模态奖励模型与评判器基准,评估 32 个 MLLM 并验证微调基线的性能提升。
2025-08-29 cs.AI cs.CL cs.CV
Do Large Language Models Judge Error Severity Like Humans?
School of Psychology(心理学系);Hubei Provincial Key Laboratory of Artificial Intelligence and Smart Learning(湖北省人工智能与智能学习重点实验室);National Language Resources Monitor and Research Center for Network Media(网络媒体语言资源监测与研究中心);School of Computer Science(计算机科学学院)
本文通过受控图像描述错误比较人类与LLM的严重程度判断,发现多数模型偏差明显,DeepSeek-V3对齐最佳,Doubao唯一复现人类排序但区分度不足。
2025-06-09 cs.CL
J1: Incentivizing Thinking in LLM-as-a-Judge via Reinforcement Learning
FAIR at Meta(Meta 公司)
本文提出强化学习框架J1,通过将判断任务统一为带可验证奖励的格式训练LLM评判者,在多个基准上达到SOTA,部分表现超越o1-mini、o3及671B DeepSeek-R1。
2025-10-13 cs.AI cs.CL cs.LG
Do You Need a Frontier Model as a Citation Verifier? Benchmarking Rubric LLMs for Deep-Research Source Attribution
Commercial Technology and Innovation Office, PricewaterhouseCoopers, U.S.(普华永道商业技术与创新办公室)
研究深度研究系统中引用质量校准问题,用现成LLM对1248个评分决策与黄金标准标签对比,发现较便宜模型有竞争力,校准模型是用引用评分作奖励信号的前提,校准不须最昂贵模型。
2026-07-10 cs.CL
SRPO: Enhancing Multimodal LLM Reasoning via Reflection-Aware Reinforcement Learning
The Ohio State University(俄亥俄州立大学)
针对多模态大语言模型自我反思纠错能力不足的问题,提出两阶段反思感知强化学习框架SRPO,通过构建反思数据集与新型奖励机制提升推理与反思质量,在多个基准上超越现有最优模型。
2025-10-05 cs.CL
Toward Robust LLM-Based Judges: Taxonomic Bias Evaluation and Debiasing Optimization
Hongli Zhou(哈尔滨工业大学);Hui Huang(哈尔滨工业大学);Rui Zhang(哈尔滨工业大学);Kehai Chen(哈尔滨工业大学);Bing Xu(哈尔滨工业大学);Conghui Zhu(哈尔滨工业大学);Tiejun Zhao(哈尔滨工业大学);Muyun Yang(哈尔滨工业大学)
本文提出JudgeBiasBench,通过系统量化LLM裁判偏见,提出偏见感知训练方法,减少偏见并保持评估能力。
2026-09-30 cs.CL
Can MLLMs Critique Like Humans? Evaluating Open-Ended Aesthetic Reasoning in Multimodal Large Language Models
UCSB(加州大学圣塔芭芭拉分校);University of Washington(华盛顿大学);UCLA(加州大学洛杉矶分校)
本文评估多模态大语言模型在开放式审美批评中的表现,发现基于参考的相似度指标存在误导,模型在选择性、特异性和多样性方面与人类批评存在系统性差异。
2026-09-01 cs.CL
Silence the Judge: Reinforcement Learning with Self-Verifier via Latent Geometric Clustering
Meituan(美团);Peking University(北京大学);Harbin Institute of Technology(哈尔滨工业大学)
本文提出Latent-GRPO框架,通过潜在空间几何聚类生成内在奖励,提升大语言模型推理性能并加速训练过程。
2026-03-01 cs.CL cs.LG
Reproducing, Analyzing, and Detecting Reward Hacking in Rubric-Based Reinforcement Learning
Tsinghua University(清华大学);Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));Xi’an Jiaotong University(西安交通大学)
本文提出可控黑客环境CHERRL,通过注入已知偏见复现奖励黑客行为,分析其可发现性与可利用性,并探索基于智能体的自动检测方法。
2026-09-30 cs.AI cs.CL cs.LG
Kardia-R1: Unleashing LLMs to Reason toward Understanding and Empathy for Emotional Support via Rubric-as-Judge Reinforcement Learning
Kardia-R1通过Rubric-as-Judge强化学习框架,提升大语言模型在情感支持中的理解与共情能力,通过评分标准引导训练以实现更准确的情感推理和个性化响应。
2025-12-02 cs.AI cs.CL
Multimodal Knowledge Alignment with Reinforcement Learning
Allen Institute for Artificial Intelligence(艾伦人工智能研究所);Seoul National University(首尔国立大学);University of Washington(华盛顿大学)
即使没有特定于任务的训练数据,大语言模型也能很容易地适应新的设置。它们的zero-shot能力能否扩展到多模态输入?在这项工作中,我们提出了ESPER扩展语言只有zero-shot模型看不见的多模态任务,如图像和音频字幕。我们的主要创新之处在于使用强化学习将多模态输入与语言模型生成对齐,而无需直接监督:例如,在图像的情况下,我们的奖励优化仅依赖于从CLIP导出的余弦相似性,因此不需要额外的显式配对(图像,标题)数据。因为语言模型的参数保持不变,所以该模型保持其zero-shot泛化能力。实验表明,ESPER在各种zero-shot任务上优于基线和先前的工作;这些任务包括我们收集+发布的新基准ESP数据集,该数据集的任务模型为每个图像生成几个不同风格的标题。
2022-05-25 cs.CL cs.CV
Infi-MMR: Curriculum-based Unlocking Multimodal Reasoning via Phased Reinforcement Learning in Multimodal Small Language Models
The Hong Kong Polytechnic University(香港理工大学);Zhejiang University(浙江大学);University of Electronic Science and Technology of China(电子科技大学);Reallm Labs(Reallm 实验室);Amazon(亚马逊);The Hong Kong University of Science and Technology(香港理工大学)
针对多模态小语言模型推理能力弱、数据稀缺及推理易错问题,提出Infi-MMR框架,通过三阶段课程强化学习,显著提升多模态数学与通用推理能力。
2025-06-23 cs.AI cs.CL
Co-Reinforcement Learning for Unified Multimodal Understanding and Generation
Shanghai Jiao Tong University(上海交通大学);Nanyang Technological University(南洋理工大学)
本文提出CoRL框架,通过协同强化学习提升多模态大语言模型在生成与理解任务上的性能。
2025-11-20 cs.CL cs.CV cs.MM
Contextual Reinforcement in Multimodal Token Compression for Large Language Models
本文提出基于上下文强化的多模态Token压缩机制,通过图算法和自适应加权动态调整Token重要性,在减少Token使用量的同时保持信息质量,显著提升下游任务准确率和计算效率。
2025-08-08 cs.AI cs.CL
Learning Domain Knowledge in Multimodal Large Language Models through Reinforcement Fine-Tuning
MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University, Shanghai, China(人工智能大规模并行计算实验室,人工智能研究院,上海交通大学,上海)
本文提出通过强化微调框架在优化层面整合领域知识,提升多模态大语言模型在专门领域任务中的性能。
2026-02-04 cs.CL cs.CV
Rubrics as Rewards: Reinforcement Learning Beyond Verifiable Domains
针对现实推理任务难以用二元正确性评估、RLVR无法直接应用的问题,提出基于评分量规反馈的同策略强化学习方法RaR,在医学和科学基准上优于LLM-as-judge基线,还能提升小评判模型对齐效果、降低性能方差。
2025-10-03 cs.AI cs.CL cs.LG
JudgeLM: Fine-tuned Large Language Models are Scalable Judges
School of EIC, Huazhong University of Science & Technology(华中科技大学电子信息与通信学院);Beijing Academy of Artificial Intelligence(北京人工智能研究院)
提出JudgeLM,通过微调LLMs构建可扩展评判器,利用大规模数据集和偏差缓解技术,在多基准上实现超越人类一致率的最先进评判性能。
2025-03-01 cs.AI cs.CL
JudgeLRM: Large Reasoning Models as a Judge
National University of Singapore(新加坡国立大学)
针对LLM作为评估器在复杂推理任务上的不足,提出基于强化学习的JudgeLRM系列模型,通过评判导向的奖励机制激活推理能力,在多项基准上超越SFT基线及GPT-4、DeepSeek-R1等先进模型。
2025-11-03 cs.AI cs.CL
VL-Cogito: Progressive Curriculum Reinforcement Learning for Advanced Multimodal Reasoning
DAMO Academy, Alibaba Group(达摩院,阿里巴巴集团);Hupan Lab(虎盘实验室);Fudan University(复旦大学)
针对多模态推理任务中现有模型性能不稳定的问题,提出基于PCuRL框架的VL-Cogito模型,通过在线难度软加权和动态长度奖励机制提升推理能力,在多类主流多模态基准上性能持平或超越现有推理模型。
2025-07-31 cs.AI cs.CL cs.CV
Scaling Multimodal Search and Recommendation with Small Language Models via Upside-Down Reinforcement Learning
Adobe(Adobe公司);Meta
本文通过倒置强化学习和合成数据蒸馏,利用小语言模型实现高效多模态搜索与推荐,显著降低推理延迟和内存开销。
2025-12-03 cs.AI cs.CL cs.LG
PolyDebate: A Game-Orchestrated Multimodal System for Debate Skills Practice and Evaluation
The Hong Kong Polytechnic University(香港理工大学);Singidunum University(辛吉杜努姆大学)
PolyDebate是一款游戏化多模态辩论练习评估系统,含Unity 3D游戏与网页版本,经四项研究验证,可结合AI对手、多模态评估与结构化反馈助力学习者提升辩论技能。
2026-08-18 cs.CL cs.HC
Targeting Pivotal Decisions for Credit Assignment in Agentic Reinforcement Learning
University of California, Davis(加州大学戴维斯分校);Microsoft(微软);University of Washington(华盛顿大学);Purdue University(普渡大学)
提出ProVer框架,通过智能体评判器识别关键决策片段并验证其优势,实现细粒度信用分配,在多个基准上显著提升GRPO性能。
2026-09-30 cs.AI cs.CL
ASRU: Activation Steering Meets Reinforcement Unlearning for Multimodal Large Language Models
University of Science and Technology of China(中国科学技术大学)
ASRU提出一种可控多模态遗忘框架,通过激活引导和强化学习提升多模态大语言模型的遗忘效果和生成质量,实验显示在Qwen3-VL上遗忘效果提升24.6%,生成质量提升5.8倍。
2026-06-11 cs.AI cs.CL
J4R: Learning to Judge with Equivalent Initial State Group Relative Policy Optimization
Salesforce AI Research(Salesforce AI研究)
本文提出EIS-GRPO算法训练7B评判器J4R,用于推理密集型评估,在JudgeBench和ReasoningJudgeBench上超越GPT-4o及现有小型评判器,达到或超过大型GRPO评判器性能。
2025-06-18 cs.AI cs.CL
Multi-Dimensional Behavioral Evaluation of Agentic Stock Prediction Systems Using Large Language Model Judges with Closed-Loop Reinforcement Learning Feedback
School of Electrical Engineering and Computer Science(电气工程与计算机科学学院)
本文提出一种多维行为评估方法,通过大语言模型判官评估代理系统决策过程,利用闭环强化学习反馈提升预测性能,验证了方法在股票预测中的有效性。
2026-05-16 cs.AI cs.CL cs.LG
Advancing Multimodal Reasoning: From Optimized Cold Start to Staged Reinforcement Learning
Zhejiang University(浙江大学);Fudan University(复旦大学);Soochow University(苏州大学);Shanghai AI Laboratory(上海人工智能实验室);The Chinese University of Hong Kong(香港中文大学)
本文提出ReVisual-R1,通过优化冷启动和分阶段强化学习提升多模态推理能力,在多个挑战性基准测试中取得新突破。
2026-01-28 cs.AI cs.CL cs.CV
ConciseRL: Conciseness-Guided Reinforcement Learning for Efficient Reasoning Models
First Author Affiliation(第一作者机构);Second Author Affiliation(第二作者机构)
本文提出ConciseRL,利用大语言模型评判的简洁性分数作为强化学习奖励,引导模型生成正确且简洁的推理轨迹,在MATH和TheoremQA上显著减少令牌使用并提升准确性。
2025-05-22 cs.AI cs.CL cs.LG
Multimodal RewardBench 2: Evaluating Omni Reward Models for Interleaved Text and Image
FAIR at Meta Superintelligence Labs(Meta超智能实验室的FAIR)
多模态奖励基准2评估多模态奖励模型在交错文本和图像任务中的性能,通过专家标注数据和先进模型对比,揭示了不同模型在多模态理解与生成任务中的准确率差异。
2026-01-19 cs.CL cs.CV
R1-SyntheticVL: Is Synthetic Data from Generative Models Ready for Multimodal Large Language Model?
Hong Kong Polytechnic University(香港理工大学);Nanyang Technological University(南洋理工大学);Tsinghua University(清华大学);National University of Singapore(新加坡国立大学)
提出集体对抗数据合成(CADS)方法,通过集体智能和对抗学习自动生成高质量、多样且具有挑战性的多模态数据,用于增强多模态大语言模型(MLLM)在复杂现实任务中的性能。
2026-06-17 cs.AI cs.CL cs.CV
Think-J: Learning to Think for Generative LLM-as-a-Judge
\dagger(机构2)
Think-J通过学习思考方式提升生成式LLM作为评判者的性能,利用强化学习优化判断轨迹,无需额外标注即可超越现有方法。
2026-01-10 cs.AI cs.CL
Examining Reasoning LLMs-as-Judges in Non-Verifiable LLM Post-Training
本研究通过受控合成设置检验推理LLM作为裁判在非验证LLM后续训练中的效果,发现推理裁判能生成高性能策略,但易受对抗性输出影响,揭示了其在实际政策训练中的潜力与挑战。
2026-03-12 cs.AI cs.CL cs.LG
Gradient Regularization Mitigates Reward Hacking in Reinforcement Learning from Human Feedback and Verifiable Rewards
The University of Tokyo(东京大学);RIKEN AIP(理化学研究所AIP);Mila(蒙特利尔大学Mila)
研究基于人类反馈或可验证奖励的强化学习中奖励作弊问题,提出用梯度正则化使训练偏向奖励更准确区域,理论推导并实证验证,还改进方法,结果显示其比KL惩罚表现更好。
2026-07-07 cs.AI cs.CL cs.LG
Judging the Judges: Confidence and Disagreement in Rubrics as Rewards
UC Berkeley(加州大学伯克利分校)
该研究针对RaR训练中评判者使用问题,提出RaRE评判者集成策略,通过软李克特奖励与分歧时丢弃掩码机制,在HealthBench和GPQA Diamond上性能优于单一评判者RaR变体,证明评判者集成可提升RaR效果。
2026-10-16 cs.AI cs.CL cs.LG
Benchmarking LLM Judges for Mobile Agent Evaluation
Mila – Québec AI Institute(米拉-魁北克人工智能研究所);Concordia University(康考迪亚大学);University of Toronto(多伦多大学);Shanghai University(上海大学);McMaster University(麦克马斯特大学)
该研究推出MobileJudgeBench基准,评估6种LLM评判器方法在移动智能体轨迹上的可靠性,发现简单基线评判器具竞争力、基准质量指标可预测评判器效用,且不同LLM后端故障特征相反。
2026-08-13 cs.AI cs.CL cs.CV
Reinforcement Fine-Tuning Powers Reasoning Capability of Multimodal Large Language Models
Tsinghua Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院,清华大学)
本文为立场论文,主张强化微调(RFT)能增强多模态大语言模型(MLLMs)的推理能力,归纳了五个关键改进点,并提出五个未来研究方向。
2025-05-24 cs.AI cs.CL cs.CV
Process-Supervised Reinforcement Learning for Interactive Multimodal Tool-Use Agents
Johns Hopkins University(约翰霍普金斯大学)
本文提出轮次级裁定强化学习(TARL),利用LLM裁判进行过程监督,结合语音-文本交错沙盒与混合任务课程,在$τ$-bench上提升任务通过率超6%,并成功赋予多模态基础模型工具使用能力。
2025-09-17 cs.AI cs.CL cs.MA
Advancing Multimodal Reasoning via Reinforcement Learning with Cold Start
Shanghai Jiao Tong University(上海交通大学);Shanghai Innovation Institute(上海创新研究院);Zhongguancun Academy(中关村学院);Lehigh University(利哈伊大学)
该研究提出先用结构化思维链 SFT 冷启动、再用 GRPO 强化学习的两阶段训练流程,显著提升 3B/7B 开源 MLLM 的多模态推理性能。
2025-07-23 cs.AI cs.CL cs.CV
Calibrating MLLM-as-a-judge via Multimodal Bayesian Prompt Ensembles
Adobe(Adobe公司);Oregon State University(俄勒冈州立大学)
针对多模态大模型评判文生图时的偏差与过度自信问题,提出多模态贝叶斯提示集成(MMB),通过图像聚类动态分配提示权重,提升偏好判断准确性与校准能力,并在HPSv2和MJBench上超越基线。
2025-09-10 cs.CL cs.CV
Judge Model for Large-scale Multimodality Benchmarks
Department of Electrical and Computer Engineering, Viterbi School of Engineering, University of Southern California(电气与计算机工程系,维特比工程学院,南加州大学)
本文提出了一种多模态判断模型,用于评估多种任务,通过聚合多模态判断并生成诊断反馈,展示了其在多模态AI研究中的应用潜力。
2026-01-03 cs.AI cs.CL cs.CV
MLLM-as-a-Judge: Assessing Multimodal LLM-as-a-Judge with Vision-Language Benchmark
Huazhong University of Science and Technology(华中科技大学);Zhejiang University of Technology(浙江工业大学);Lehigh University(里海大学)
本文提出MLLM-as-a-Judge基准,通过评分评估、成对比较和批量排序三个任务系统评估多模态大语言模型作为评判者的能力,揭示了其与人类偏好的显著差异及偏见、幻觉等问题。
2024-06-11 cs.AI cs.CL cs.CV
VLM Judges Can Rank but Cannot Score: Task-Dependent Uncertainty in Multimodal Evaluation
University of Illinois at Chicago(伊利诺伊大学香槟分校);AI Labs at Capital One(Capital One人工智能实验室)
本文通过置信预测框架分析VLM作为评判者的可靠性,发现任务依赖性显著影响评估不确定性,提出排名-评分解耦问题,揭示任务难度和标注质量对区间宽度的影响。
2026-04-29 cs.CL cs.CV cs.LG
MJ-Bench: Is Your Multimodal Reward Model Really a Good Judge for Text-to-Image Generation?
University of Chicago(芝加哥大学);NUS(新加坡国立大学);Stanford University(斯坦福大学);UCSC(加州大学圣克鲁兹分校);Duke University(杜克大学);ESSEC(埃塞克高等商学院);Illinois Tech(伊利诺伊理工学院);UCSD(加州大学圣地亚哥分校);Peking University(北京大学);University of Queensland(昆士兰大学);Stony Brook University(石溪大学);UNC-Chapel Hill(北卡罗来纳大学教堂山分校);USTC(中国科学技术大学)
本文提出 MJ-Bench 基准,系统评估多模态裁判在文本到图像生成中的对齐、安全、质量和偏见反馈能力,发现闭源 VLM 整体更优,并验证了其对模型微调的实际指导价值。
2024-07-05 cs.CL cs.CV cs.LG
Evaluating Cost-Accuracy Trade-offs in Multimodal Search Relevance Judgements
Objective, Inc.(奥布杰克蒂夫公司);Peoples' Friendship University of Russia (RUDN University)(俄罗斯人民友谊大学(鲁德尼大学));Joint Institute for Nuclear Research(联合核子研究所);Vrije Universiteit Amsterdam(阿姆斯特丹自由大学);University of Skövde(舍夫德大学)
本文在多个多模态搜索场景中比较 LLM 与 MLLM 同人类判断的一致性,分析成本与准确性权衡,发现性能随情境显著变化且视觉输入可能损害小模型。
2024-10-25 cs.CL cs.IR cs.LG
Multimodal Hierarchical Reinforcement Learning Policy for Task-Oriented Visual Dialog
University of California, Davis(加利福尼亚大学戴维斯分校);Carnegie Mellon University(卡内基梅隆大学)
创建一个能够理解视觉和语言的智能对话系统是人工智能(AI)的最终目标之一~ \cite{winograd1972understanding}。广泛的研究集中在视觉到语言生成,然而,有限的研究已经触及到这两种模式结合在一个目标驱动的对话上下文。我们提出了一个多模态层次强化学习框架,动态集成视觉和语言的面向任务的视觉对话。该框架联合学习多模态对话状态表示和分层对话策略,以提高对话任务的成功率和效率。我们还提出了一种新的技术,状态自适应,在对话状态表示集成上下文感知。我们在一个图像猜测游戏中评估了所提出的框架和状态自适应技术,并取得了可喜的成果。
2018-05-08 cs.CL
Lost in Translation: Do LVLM Judges Generalize Across Languages?
York University(约克大学);University of Alberta(阿尔伯塔大学);Nanyang Technological University(南洋理工大学);Salesforce AI Research(Salesforce AI研究)
本文提出MM-JudgeBench,首个多语言多模态评判模型评估基准,包含60000+跨25种语言的配对偏好实例,揭示了LVLM评判器在跨语言性能上的显著差异,指出模型大小和架构并非多语言鲁棒性的良好预测因素。
2026-04-21 cs.CL
Reinforcement Learning-based Semi-supervised Knowledge Distillation with LLM-as-a-Judge
University of Iowa(爱荷华大学)
本文提出一种基于强化学习的知识蒸馏方法,利用大语言模型作为评判者在无标签数据上生成奖励,实现无需真实标签的蒸馏,提升数学推理基准性能。
2026-08-12 cs.CL cs.LG
DELTA: Deliberative Multi-Agent Reasoning with Reinforcement Learning for Multimodal Psychological Counseling
Anhui University(安徽大学);Hefei University of Technology(合肥工业大学);Institute of Artificial Intelligence, Hefei Comprehensive National Science Center(合肥综合国家科学中心人工智能研究所)
DELTA 通过强化学习和多智能体推理提升多模态心理辅导的质量与情感契合度。
2026-02-04 cs.CL
Exploiting Multimodal Reinforcement Learning for Simultaneous Machine Translation
Imperial College London(伦敦帝国学院);University of Sheffield(谢菲尔德大学);Dublin City University(都柏林城市大学)
本文通过探讨两个主要概念来解决同步机器翻译(SiMT)的问题:(a)自适应策略,以学习高翻译质量和低延迟之间的良好权衡;(b)视觉信息,通过提供额外的(视觉)上下文信息来支持这一过程,这些信息可能在文本输入产生之前就可用。为此,我们提出了一个多模态的方法,同时机器翻译使用强化学习,与策略,以整合视觉和文本信息的代理和环境。我们提供了不同类型的视觉信息和集成策略如何影响同声翻译模型的质量和延迟的探索,并证明视觉线索导致更高的质量,同时保持低延迟。
2021-02-22 cs.CL
Text Reinforcement for Multimodal Time Series Forecasting
University of Science and Technology of China(中国科学技术大学);University of Washington(华盛顿大学)
针对多模态时间序列预测中文本信息不足导致性能不稳定的问题,提出文本增强模型TeR,结合强化学习优化生成增强文本以辅助预测,在多领域真实基准数据集上表现优于现有方法。
2025-08-31 cs.CL
Judge Anything: MLLM as a Judge Across Any Modality
Huazhong University of Science and Technology(华中科技大学);University of Illinois Chicago(伊利诺伊大学芝加哥分校)
针对多模态模型评估难题,本文提出TaskAnything和JudgeAnything两个基准,评估MLLMs的跨模态任务性能与评判能力,发现其在生成任务上表现不佳,进而推出OmniArena自动化评估平台,推动更公平的评估与人类偏好对齐。
2025-03-21 cs.CL cs.CV