max_g@k

强化学习提升VLM图像质量评估能力，但推理依赖性尚不明确

一篇新的arXiv论文研究了具有可验证奖励的强化学习（RLVR）对大型视觉语言模型（VLMs）在图像质量评估（IQA）方面的影响。研究发现，经过RL训练的模型优于基础模型，其改进归因于增强的推理能力，这可以通过更合理的思维链（CoT）输出来证明。然而，研究也表明，虽然RLVR改进了评分并生成了有用的推理链，但模型在推理过程中不一定变得更依赖于显式推理。此外，研究表明RL可能导致模型通过关注与质量分数相关的文本线索来利用捷径，从而可能夸大基准性能。