SpatialCritic 奖励模型与课程引导 RL 框架
热点事件持续更新
SpatialCritic 奖励模型与课程引导 RL 框架
1 篇报道1 个报道来源19 小时前更新
先了解这件事
报道摘要
研究团队提出课程引导的强化学习框架，用于空间文本到图像生成。其智能体奖励模型 SpatialCritic 在 SpaRW-Eval 上达到 95.1% 验证准确率，以 8B 骨干超越 320B 的 GLM-5.3-Flash，并将 SD3.5-Medium 平均基线分从 78.4 提升至 83.9、BAGEL 从 83.2 提升至 86.5。
摘自 arXiv：cs.AI
最新进展10月15日 12:00
SpatialCritic：用智能体奖励模型提升图像生成的空间准确性报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AISpatialCritic：用智能体奖励模型提升图像生成的空间准确性
研究团队提出课程引导的强化学习框架，用于空间文本到图像生成。其智能体奖励模型 SpatialCritic 在 SpaRW-Eval 上达到 95.1% 验证准确率，以 8B 骨干超越 320B 的 GLM-5.3-Flash，并将 SD3.5-Medium 平均基线分从 78.4 提升至 83.9、BAGEL 从 83.2 提升至 86.5。
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。