arXiv · cs.AI· Yueying Li, Jingxuan Fan, Kiant\'e Brantley, Sham M. Kakade, Hanlin Zhang·· 5 小时前
Unsupervised Multimodal Reward Modeling：冻结Qwen3-VL中间层构建无人工偏好奖励模型
Unsupervised Multimodal Reward Modeling
arXiv:2610.12707v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yueying Li, Jingxuan Fan, Kiant\'e Brantley, Sham M. Kakade, Hanlin Zhang
研究任务与主要进展
Yueying Li等人提出无人工偏好标签的多模态奖励建模方法：在冻结的Qwen3-VL骨干中间层训练线性头，用网页描述及其扰动版本的比较进行训练，标注数据仅用于选择层。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org