OmniVerifier-M1：具有显式结构化重新校准的多模式元验证器

视觉结果对于多模式 大语言模型 越来越重要，这使得可靠且细粒度的验证对于扩展通才基础模型至关重要。在这项工作中，我们研究了多模态元验证，它利用验证者生成的基本原理而不是仅决策信号，并探索如何有效地将元验证反馈纳入多模态验证者训练中。我们确定了两个关键发现。首先，作为元验证原理，符号验证器输出（例如边界框）优于文本解释，从而实现高效的基于规则的强化学习奖励，同时避免依赖辅助判断模型的基于模型的奖励。其次，由于输出结构和学习动态的内在差异，二元判断和元验证的解耦强化学习目标大大优于联合奖励优化。基于这些见解，我们训练了 OmniVerifier-M1，这是一种利用符号元验证和解耦强化学习的通用视觉验证器。 OmniVerifier-M1 提供强大的验证和细粒度的错误定位，并进一步支持 M1-TTS，这是一个验证者驱动的代理生成系统，可实现动态区域级自我校正。这种方法为更可靠、可解释和细粒度的多模式验证铺平了道路，支持更安全、更可控的基础模型部署。