**HuggingFace 论文：提出思维奖励模型 TRM 提升视觉生成评估**

_Think Before You Score: Thinking Reward Model for Visual Generation_

> 该论文提出“先思考后评分”范式及思维奖励模型（TRM），通过生成案例自适应评分标准进行细粒度评估。同时引入 PD-GRPO 优化算法以解决分数极化问题。实验表明，TRM 在开源奖励模型中达到 SOTA 性能，并有效提升了视觉生成模型的强化学习优化效果。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.37372)