视觉语言模型能生成流畅的回答，却可能看错图表数值，或在推理中引入图像无法支持的结论。

来自南洋理工大学 S-Lab、A*STAR 和 UIUC 的研究团队提出了 V-Rubrics，用逐项评分（rubrics）来处理“信用分配”（credit assignment）问题。

论文：V-Rubrics: Visual Faithfulness via Rubric-Based Reinforcement Learning
链接：https://arxiv.org/abs/2608.25580v1
代码：https://github.com/shulin16/v-rubrics
数据集：https://huggingface.co/datasets/v-rubrics/v-rubrics-50k

视觉事实、推理步骤和任务要求分别列为评判的准则，而这些单项的得分则会被用于后续的 GRPO 强化学习。该论文已被 EMNLP 2026 主会接收，代码与数据现已开源。

完整解读：答案正确，推理就一定可靠吗？V-Rubrics 用 35 万条细粒度准则细化多模态强化学习奖励

10月8日（周四）晚8点，青稞Talk 第157期，青稞社区邀请到南洋理工大学计算机科学博士生田淑琳，分享介绍 V-Rubrics，包括 V-Rubrics 50K 的数据构建、逐项奖励与前缀信用分配设计，并结合知识推理、视觉数学和图表理解的实验与案例，分析其相较答案级奖励的收益与局限，探讨如何让模型的推理更忠于视觉证据。

分享内容

V-Rubrics：如何让模型推理更忠于视觉证据？基于细粒度准则的多模态强化学习奖励

1、答对≠看对：多模态推理的盲区
2、V-Rubrics：用细粒度评分准则提升多模态推理的视觉忠实性
- V-Rubrics 50K 的数据构建
- 逐项奖励与前缀信用分配设计
3、对比答案级奖励的收益与局限
4、探讨多模态推理的未来
5、AMA（Ask Me Anything）环节

青稞介绍

田淑琳，南洋理工大学计算机科学博士生，导师为刘子纬教授和朱宏远博士。她的研究聚焦多模态智能体与视觉推理，尤其关注长时程多模态理解和工具增强推理。她曾获 A*STAR 计算与信息科学奖学金支持，并获评 CVPR 2026 及 ICLR 2025 SCOPE Workshop 杰出审稿人。

直播时间

10月8日（周四）20:00 - 21:00