论文提出Thinking Reward Model提升视觉生成评估

发生了什么

据Hugging Face Papers报道，论文《Think Before You Score》提出Thinking Reward Model (TRM)范式。该模型通过案例自适应评分标准和细粒度奖励，在判断前明确评估重点。结合Pairwise Dual-Group Relative Policy Optimization (PD-GRPO)，在图像生成和编辑基准测试中实现了开源奖励模型的SOTA性能。