Read It Back: Pretrained MLLMs Are Zero-Shot Reward Models for Text-to-Image Generation
读回:预训练的多模态语言模型是文本到图像生成的零样本奖励模型
发表机构 * The University of Hong Kong(香港大学) ; ByteDance Seed(字节跳动Seed) ; Peking University(北京大学)
AI总结 研究提出SpectraReward将预训练多模态语言模型转为图像生成强化学习奖励模型,用图像条件提示对数似然作奖励,还引入Self-SpectraReward形成闭环框架。经广泛实验验证,二者能提升生成性能,表明奖励-策略对齐是关键。