Read It Back: Pretrained MLLMs Are Zero-Shot Reward Models for Text-to-Image Generation

• 类型：arxiv
• 标识：2607.11886
• 链接：https://arxiv.org/abs/2607.11886
• 主分类：engineering
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：SpectraReward is proposed, a training-free reward function that turns pretrained MLLMs into off-the-shelf reward models for image-generation reinforcement learning, and Self-SpectraReward is introduced, a special case for unified multimodal models where the policy's own understanding branch serves as the reward model for its generation branch.
• OpenAlex ID：W7168264862
• OpenAlex DOI：10.48550/arxiv.2607.11886
• DOI：10.48550/arxiv.2607.11886
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.11886
• OpenAlex更新：2026-07-19
• 副分类：multimodal
• 待LLM分类：否
• 标题中文：读回：预训练 MLLM 是文本到图像生成的零样本奖励模型
• TLDR中文：提出 SpectraReward，一种无需训练的将预训练 MLLM 转化为即用型奖励模型的奖励函数，用于图像生成强化学习；并引入 Self-SpectraReward，这是统一多模态模型的一种特例，其中策略自身的理解分支充当其生成分支的奖励模型。
• 来源文件：
• /inbox/tom/_candidates/2026-07-15-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]