OmniVerifier-C1：面向規則世界建模的分級視覺驗證器

这篇论文关注的是生成式视觉验证器（verifier）在复杂多模态场景中的鲁棒性问题。传统做法让验证器对一张图像只输出 True 或 False，这在提示词包含多个组合要求时信息量太少：一张图可能满足大部分要求，仍然被判为错误，训练信号也因此变得粗糙而稀疏。作者提出 OmniVerifier-C1，让验证器先把复杂的提示词或环境规则自动拆解成细粒度的子问题，再给出逐点（pointwise）的连续分数，从而提供更丰富、更可解释的批评信号。论文的核心贡献有三点：第一，分解式分级验证器的设计；第二，一种解耦的强化学习训练策略；第三，把研究从传统文生图推进到由明确规则约束的生成式世界建模，并从理论上比较了逐点验证与成对（pairwise）验证的差异。作者最终给出的判断是，生成模型要走向结构化的世界建模智能体，关键取决于是否有准确的成对分级视觉验证器。在方法上，验证器的输出是结构化的：先分解，再对每个子成分做判断，最后给出全局对齐分数。

训练使用 Decoupled RL，也就是把两个目标解耦后联合优化。一个目标是子问题级别的二元判断，它的奖励来自精确的局部反馈，用来培养细粒度的核查能力。另一个目标是全局对齐打分，它建立在局部判断可靠的基础上，因此连续分数不是凭空猜出来的，而是有局部证据支撑。这一设计的道理很直观：如果只用全局分数做奖励，模型很容易学会走捷径，给出看似合理却没有依据的数值；把局部判断单独拿出来监督，就等于逼迫模型真正去检查每一条要求。整个训练放在通用的强化学习框架下进行。在世界建模部分，生成模型被用来做世界模拟与世界推理，规则是明确给定的，比如迷宫的通行规则、数独的填数约束。

作者还从理论角度论证：当真值图像（ground-truth image）可用时，成对验证，即把候选图与参考图放在一起比较，比逐点打分能给出更准确的批评，因为参考图直接提供了锚点，减少了单图绝对打分的不确定性。实验分三层展开。第一层是传统文生图场景，作者在通用强化学习框架下做对比，结果显示逐点分级验证器显著优于二元验证器，说明连续、分解后的信号确实更适合作为奖励。第二层是泛化测试：结构化、可解释的输出提升了验证器在域外（out-of-domain）多模态 critic 任务上的表现，也就是说，分解能力不只对训练分布有效，还能迁移到没见过的评判任务。第三层是规则约束的世界建模，任务包括 Maze 和 Sudoku 等多种结构化任务，实验验证了成对验证范式的有效性，与前面的理论结论互相印证。需要说明的是，摘要没有给出具体的指标数值，所以这里只能转述结论的方向：分级优于二元，有真值图像时成对优于逐点。

读者若要引用具体提升幅度，应回到原文的表格核对。这样的实验设计也有一个好处，它把「分级是否有用」「分解是否泛化」「成对是否更准」这三个问题拆开，逐一回答，而不是只给一个总分。从行业角度看，这项工作把验证器从评测工具提升为训练与推理中的核心部件。对开源社区来说，分解加分级的思路很容易复用：任何带有多条件要求的生成任务，比如图像编辑、布局生成、带约束的场景合成，都可以用同样的方式把要求拆成子问题，得到更密的奖励信号。对工业落地而言，可解释的子问题判断让人能看到验证器究竟在哪一条要求上扣了分，便于调试和审计，这比一个黑箱的 True/False 更有价值。对后续研究，论文的结论指向一个具体方向：在有参考答案的结构化任务里，成对验证更准，因此值得投入资源构建高质量的成对分级验证器。同时也要看到局限：成对验证依赖真值图像，在开放式生成里未必能获得，这时仍需要逐点验证作为补充。总体来看，这篇论文为生成模型迈向遵守规则的世界模拟与推理，提供了一条以验证器为抓手的清晰路径。