arXiv AI· Bowei Liu, Xinchen Zhang, Xuhuan Li, Tianlin Zhang, Kaian Jiang, Jingwei Liu, Congyang Zhao, Yifei Qian, Junhong Liu, Zhiheng Li, Yujiu Yang, Yang Cai, Ling Yang·· 18 小时前评分57
OmniVerifier-C1: Decomposed Graded Verifier for Rule-Governed Generative World Modeling
摘要
为训练此验证器，我们引入了解耦的强化学习训练策略，联合优化子问题级二元判断和全局对齐评分，利用精确的局部反馈开发细粒度验证能力，为全局可靠的连续评分奠定基础。在一般强化学习框架下，我们首先实证证明所提出的点wise分级验证器在传统文本到图像场景中显著优于二元验证器。随后我们扩展研究至规则指导的生成世界建模，利用生成模型进行世界模拟和世界推理，基于明确规则进行建模。
推荐理由
请对照arXiv AI原文，核对完整说明及适用条件。
本站只提供摘要与原文入口。完整内容请阅读原文。
来源：arXiv AI · arxiv.org