FIRM引入鲁棒奖励模型用于RL图像编辑与生成

信任你的批评者

FIRM 引入了稳健的奖励模型，用于基于强化学习的图像编辑和生成，包含37万编辑样本和29.3万生成样本，专门的8B批评者，以及FIRM-Bench基准。