腾讯混元宣布开源首个多模态统一CoT奖励模型

据腾讯混元消息，近日与上海AI Lab、复旦大学、上海创智学院联合提出全新研究工作UnifiedReward-Think，构建出首个具备长链式推理能力的统一多模态奖励模型，首次让奖励模型在各视觉任务上真正“学会思考”，实现对复杂视觉生成与理解任务的准确评估、跨任务泛化与推理可解释性的大幅提升。目前，该项目已全面开源，包括模型、数据集、训练脚本与评测工具。