**UMM-Reflection：利用交错强化学习实现统一模型的原生反思与图像修复**

_Learning Native Reflection in Unified Models with Interleaved Reinforcement Learning_

> 该研究提出 UMM-Reflection 框架，通过交错强化学习（RL）在统一多模态模型中联合优化反思文本与图像生成。该方法利用组相对优势比较不同反思策略，避免逐轮信用分配的复杂性，无需外部验证器即可实现跨轮次的自我修复。实验显示，该方法在 GenEval 上较 SFT 提升 12.05 分，并在多个基准测试中表现出良好的泛化能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-29 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.35767)