생성형 시뮬레이션의 규칙 검증, 이제 점수로 판단한다

핵심 요약

• 기존 생성형 이미지 검증자는 True/False만 판단했지만, OmniVerifier-C1은 복잡한 프롬프트와 환경 규칙을 세부 요소로 분해해 각각 점수를 부여하는 방식으로 더 정보량 많은 피드백을 제공한다.
• 이 구조화된 해석 가능한 출력은 검증자의 도메인 외 멀티모달 작업으로의 일반화 성능을 높인다.
• Decoupled RL 학습 전략으로 하위 질문 수준의 이진 판단과 전역 정렬 점수를 동시 최적화하며, 정밀한 로컬 피드백으로 세밀한 검증 능력을 개발한다.
• 텍스트-이미지 생성 시나리오에서 포인트 기반 등급 검증자가 이진 검증자를 크게 능가한다.
• 규칙 기반 생성형 세계 모델링(미로, 스도쿠 같은 구조화된 작업)으로 확장하면 접근 방식의 효과가 입증된다.
• 이론적으로, 정답 이미지가 있을 때 쌍 비교 검증이 포인트 기반 방식보다 더 정확한 비판을 산출한다는 것을 보여준다.
• 연구 결과는 생성형 모델에서 구조화된 세계 모델링 에이전트로의 전환이 정확한 쌍 기반 시각 검증자 개발에 달려 있다는 핵심 통찰을 제시한다.