自验证

面向视觉语言模型的统一生成与自验证：基于优势解耦的偏好优化

Unified Generation and Self-Verification for Vision-Language Models via Advantage Decoupled Preference Optimization

把生成与自验证统一进单个 VLM 策略，用解耦优势与词元掩码隔离梯度，可在不额外训练验证模型的前提下实现并行测试时扩展，直接降低多模态推理的推理成本；其偏好验证奖励设计可迁移到任意需要自洽性打分的视觉语言任务。