⚖️ 对齐 / RLHF

🎞️ ECCV2026 · 1 篇论文解读

📌 同领域跨会议浏览： 📷 CVPR2026 (12) · 🔬 ICLR2026 (102) · 💬 ACL2026 (38) · 🧪 ICML2026 (37) · 🤖 AAAI2026 (17) · 🧠 NeurIPS2025 (36)

Omni-RRM: Advancing Omni Reward Modeling via Automatic Rubric-Grounded Preference Synthesis

Omni-RRM 先用双教师共识合成带五维评分准则解释的偏好数据，再以 SFT→GRPO 学习跨图像、视频和音频的成对回答判别，使 7B 奖励模型的五基准平均准确率由骨干的 60.2% 提升到 70.4%，并能在不更新生成器参数的情况下改善候选回答选择。