内生重提示：统一多模态模型的自我进化认知对齐

统一多模态模型（UMM）表现出很强的理解能力，但这种能力常常无法有效引导生成。我们将此识别为认知差距：模型缺乏对如何增强自身生成过程的理解。为弥合这一差距，我们提出内生重提示，一种通过在生成过程中生成自对齐描述符，将模型的理解从被动编码过程转变为显式生成推理步骤的机制。为此，我们引入SEER（Self-Evolving Evaluator and Reprompter），一个仅使用来自紧凑代理任务Visual Instruction Elaboration的300个样本建立两阶段内生循环的训练框架。首先，可验证奖励强化学习（RLVR）通过课程学习激活模型潜在的评价能力，产生高保真的内生奖励信号。其次，模型奖励思考强化学习（RLMT）利用该信号优化生成推理策略。实验表明，SEER在评估准确率、重提示效率和生成质量上持续优于最先进基线，且不牺牲一般多模态能力。