Read It Back：预训练多模态大模型可零样本充当文生图奖励模型

论文提出无需训练的 SpectraReward：通过一次图像条件、teacher-forced 前向计算，衡量生成图像恢复原始提示词的平均对数似然，并将其用作文生图强化学习奖励。Self-SpectraReward 进一步让统一多模态模型以自身理解分支评价生成分支。实验覆盖 2 个扩散模型、3 种 RL 算法、9 个 4B–235B MLLM 和 5 个分布外基准。