ClaimDiff-RL

新的强化学习框架通过比较视觉声明来改进图像字幕

研究人员开发了ClaimDiff-RL，一种使用强化学习改进长格式图像字幕的新颖框架。该方法通过关注单个视觉声明而非整个字幕序列来解决奖励粒度问题。一个多模态裁判评估生成字幕和参考字幕之间的差异，分配错误类型和严重程度，以微调事实准确性和信息覆盖范围之间的平衡。实验表明，ClaimDiff-RL在特定的细粒度能力上实现了更好的幻觉-覆盖权衡，并超越了Gemini-3-Pro-Preview。