VLM-as-a-Judge

JoPPO：基于对比联合条件概率强化学习的分层摄影评估

JoPPO: Hierarchical Photography Assessment via Contrastive Joint Conditional Probabilistic Reinforcement Learning

把 VLM 当作评分器时，用基于批内细粒度属性分数条件分布的期望胜率作为奖励，替代 GRPO 的标量奖励，可直接迁移到任何需要多属性组合排序的视觉评测任务（美学、生成质量、偏好对齐）。