**通过感知扰动与奖励建模缓解多模态LLM评估中的感知判断偏差**

_Mitigating Perceptual Judgment Bias in Multimodal LLM-as-a-Judge via Perceptual Perturbation and Reward Modeling_

> 该论文指出多模态大语言模型（MLLM）作为自动化评估器时，存在“感知判断偏差”：当视觉证据与文本线索冲突时，模型倾向于奖励看似合理但感知上错误的回答。作者构建了感知扰动判断数据集，并提出了结合GRPO（群体相对策略优化）奖励与批次排序目标的统一训练框架，无需显式成对标签即可实现一致的全局排序。实验证明，该方法在多模态LLM评估基准上显著提升了感知保真度、排序一致性及与人类评估的对齐度。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-03 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.02578)