交错强化学习

南洋理工大学、上海交通大学与东京大学的研究者提出 UMM-Reflection，在开源统一多模态模型 BAGEL 上用强化学习训练完整的「反思—修改」多轮轨迹，让同一模型自行写出诊断并据此重画，推理阶段无需任何外部打分器。训练后模型对初始错误图像的修复成功率从 20.6% 提升至 64.9%，GenEval 从 0.72 升至 0.84，空间位置子项由 0.47 跃升至 0.89，在未见过的 WISE 基准上提升 11 个点。代码、模型与训练数据均已开源。