Qwen3-VL无监督奖励模型追平GPT-4o
热点事件持续更新
Qwen3-VL无监督奖励模型追平GPT-4o
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Yueying Li 等研究者提出一种无监督多模态奖励建模方法：在冻结的 Qwen3-VL 骨干网络中间层上加一个线性头，通过让网络给原始网页描述打分高于同一描述的扰动版本来训练，无需人工偏好标注，标注数据只用于选择层。研究者称，所选中间层比最后一层高 5.8 分。 研究者称，该方案在 32B 规模下只需数千参数、约千分之一微调算力，一套配方无需重新调参即可在三个基准上追平或超越 GPT-4o，在 VL-RewardBench 上领先 6.6 分。上述效果为论文报告的结果。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
Qwen3-VL 无监督多模态奖励建模：中间层探针超越 GPT-4o报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.CLQwen3-VL 无监督多模态奖励建模：中间层探针超越 GPT-4o
研究团队用冻结的 Qwen3-VL 骨干网络加一个中间层线性头，无需人工偏好标注即可构建视觉语言奖励模型，所选层比最后一层高 5.8 分。该方案在 32B 规模下于三个基准上追平或超越 GPT-4o，在 VL-RewardBench 上领先 6.6 分，仅需数千参数和约千分之一微调算力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。