arXiv cs.AI· Xiaofeng Tan, Jiaxin Lin, Haobo Yuan, Tiancheng Shen, Zihan Su, Rui Chen, Hongsong Wang, Ming-Hsuan Yang·· 3 天前AI 评分26
SpatialCritic：面向图像生成的智能体奖励模型与课程引导 RL 框架
Getting Space Right: Agentic Rewards for Image Generation
AI 导读
研究团队提出课程引导的强化学习框架，用于空间文本到图像生成。其 SpatialCritic 智能体奖励模型在 SpaRW-Eval 上达到 95.1% 验证准确率，以 40 倍小的 8B 骨干超越 320B 的 GLM-5.3-Flash，并将 SD3.5-Medium 平均基线分从 78.4 提升至 83.9、BAGEL 从 83.2 提升至 86.5。
正文 · AI 翻译
摘要：强化学习（RL）在空间文本到图像生成中前景广阔，但现有工作大多聚焦于策略优化，假设奖励准确且在线 rollout 有效。我们观察到域内收益伴随域外性能下降，暴露出两个局限：开放世界场景中空间奖励不可靠，以及 rollout 缺乏从基础到复杂的渐进过程。我们提出一种课程引导的 RL 框架。首先，我们引入 SpatialCritic，一种配备空间感知工具集的智能体奖励模型，该工具集将可复用的验证指导与专用视觉工具相结合。随后，我们通过有针对性的反事实扰动构建空间偏好数据集，并进行智能体-工具集对齐，以高效改进工具选择与证据整合。其次，课程学习将共享的基础能力及其组合依赖关系组织为能力图，用于掌握引导的 rollout、定期复习和针对性补救。在 SpaRW-Eval 上，SpatialCritic 达到 95.1% 的验证准确率，以小 40 倍的 8B 骨干超越 320B 的 GLM-5.3-Flash，并将 SD3.5-Medium 上的平均基线分数从 78.4 提升至 83.9，BAGEL 上从 83.2 提升至 86.5。项目页面：此 https URL
| Comments: | 15 页，7 幅图 |
| Subjects: | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| Cite as: | arXiv:2610.14852 [cs.CV] |
| （或 arXiv:2610.14852v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14852 arXiv 颁发的 DOI 通过 DataCite（待注册） |
Submission history
来自：Xiaofeng Tan [查看邮箱]
[v1]
2026年10月10日 星期六 12:13:18 UTC（3,215 KB）
来源：arXiv cs.AI · arxiv.org