AutoRubric-T2I：用于文本-图像对齐的鲁棒基于规则的奖励模型
原帖
**AutoRubric-T2I：用于文本-图像对齐的鲁棒基于规则的奖励模型**
_AutoRubric-T2I: Robust Rule-Based Reward Model for Text-to-Image Alignment_
> 本文提出了AutoRubric-T2I，首个用于文本到图像（T2I）生成任务的评分标准学习框架。该框架能自动合成并选择显式评分标准，以指导视觉语言模型（VLM）作为评估者。传统奖励模型训练成本高且评估标准不透明，而现有VLM评估者使用的手工评分规则可能无法可靠反映人类偏好。AutoRubric-T2I通过从偏好对中合成推理痕迹生成候选评分标准，利用VLM评估者对配对图像进行评分，得到评分差异用于偏好学习，并通过正则化逻辑回归选择最具区分度的评分标准。该方法仅使用不到0.01%的标注数据即可生成高质量、可解释的奖励信号，在MMRB2等基准上超越了强基线模型，并在TIIF和UniGenBench++等下游任务中提升了生成质量。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.17602)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
本文介绍了AutoRubric-T2I，这是一个用于文本到图像生成的评分标准学习框架。该框架旨在解决传统奖励模型训练成本高、评估标准不透明的问题，并能自动生成并选择评分标准，以指导视觉语言模型进行评估。
答案说明
AutoRubric-T2I是一个用于文本到图像（T2I）生成任务的评分标准学习框架。它通过自动合成和选择显式评分标准来指导视觉语言模型（VLM）作为评估者，从而生成可解释的奖励信号，仅需少量标注数据即可在基准测试中超越基线。
这篇帖子回答的问题
- AutoRubric-T2I是什么？
- AutoRubric-T2I如何解决现有奖励模型的问题？
核心观点
- AutoRubric-T2I通过自动合成和选择显式评分标准来指导视觉语言模型进行评估，解决了传统奖励模型训练成本高和评估标准不透明的问题。
- 据论文描述，该方法仅使用不到0.01%的标注数据即可生成高质量、可解释的奖励信号，并在MMRB2等基准上超越了强基线模型。
FAQ
- Q: AutoRubric-T2I解决了什么问题？
- A: 该框架旨在解决传统奖励模型训练成本高、评估标准不透明的问题，以及现有视觉语言模型评估者使用的手工评分规则可能无法可靠反映人类偏好的问题。
关键实体
- AutoRubric-T2I
- 奖励模型
- 文本到图像生成