研究者提出UMM-Reflection多模态反思方法

南洋理工大学、上海交通大学和东京大学的研究者提出 UMM-Reflection，在开源统一模型 BAGEL 上用强化学习训练完整的“反思—修改”多轮轨迹：由同一个模型写出诊断，再按诊断重画，推理时不需要外部打分器。研究称，该方法让统一多模态模型自己看图改图，修复成功率从 20.6% 升至 64.9%。 代码、模型与训练数据均已开源。多轮反思会带来额外推理开销，最多生成 4 张图像；强化学习阶段的奖励来自 GenEval 式组合对齐验证器，训练提示只覆盖 GenEval 的六类任务，更多维度的奖励仍有待探索。

AI 根据报道生成 · 18 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。