Learning Native Reflection in Unified Models with Interleaved Reinforcement Learning

我们引入UMM-反射，将其应用于统一模型内完成反射轨迹：兄弟轨迹共享初始图像，因此群体相对优势比较反射策略，轨迹级优势更新反射令牌和基于流的修订，避免每轮信用分配的组合爆炸。与单轮编辑或外部判别器的管道不同，信用在轮次间流动，并传递至同一模型的两个角色，无需推理验证。在BAGEL上，UMM-反射在SFT基础上提升GenEval 12.05 分，优势转移至WISE（+10.97）、OneIG-Bench（+3.48）和T2I-CompBench++（+4.63），其中未用于训练。