UMM-Reflection 这套统一多模态模型方案，不用额外外接裁判、校验模型，单模型自己就能看完自己生成的图片，找出画面错误，接着迭代修改图片，把出错图片的修复成功率从 20.6% 提升到 64.9%，差不多翻三倍，GenEval 指标从 0.72 涨到 0.84。以前很多图生图、文生图的修正方案，都要单独配一个外部评判模型，用来打分、判断图片有没有问题，整套链路笨重、推理慢，而且外部裁判本身也会有判断偏差；还有普通微调方案，只能学到固定的改错话术，很难做多轮迭代自检，改完依然容易出现数量不对、物体位置错乱、颜色属性不匹配这类组合错误。UMM-Reflection 直接在同一个统一多模态模型内部搭建自反思闭环，用分组相对策略优化 GRPO 做强化学习，把文字反思分支和图像生成分支一起训练，整条改错轨迹共享奖励，不用单独给每一轮拆分奖励，让模型学会一边看图诊断问题、一边重新渲染修正。
核心工作流程
- 初始生成：模型根据提示词产出第一张图片
- 自检诊断：模型调用自身视觉理解能力，识别图片里的错误，比如物体数量错、空间位置不对、颜色绑定错误
- 迭代改图：基于诊断结果生成修改策略，重新渲染图片
- 循环校验：再次观察新生成图片，判断是否达标，可多次循环修正，全程不需要外部打分器
关键指标对比表
| 方案 | GenEval 分数 | 修复成功率 | 是否依赖外部裁判 |
|---|---|---|---|
| 基础 BAGEL 模型 | 0.71 | 约 20.6% | 否，无自检能力 |
| SFT 监督微调版本 | 0.72 | 21.0% | 否，自检能力弱 |
| UMM-Reflection | 0.84 | 64.9% | 否，模型自裁判 |
优势特点
✅ 单模型一体化：理解、诊断、修改、校验全部在同一个多模态模型内完成，省去外部判别模型，部署更简单
✅ 多轮轨迹优化：强化学习针对完整多轮反思轨迹优化，不是只优化单次生成
✅ 泛化性不错：在 WISE、OneIG-Bench、T2I-CompBench++ 等多个没参与训练的测试集上都有正向提升
现存局限
⚠️ 主要解决组合类错误，复杂光影、精细纹理的修改能力有限
⚠️ 多轮迭代会拉长推理耗时，轮次越多，生成速度越慢
⚠️ 是基于 BAGEL 底座的优化方案，效果上限受底座模型本身能力约束
【相关 FAQ】
问题 1：UMM-Reflection 统一多模态模型看图改图，为什么不需要外部裁判？
回答 1：UMM-Reflection 统一多模态模型把视觉理解和图像生成整合在同一个模型，依靠 GRPO 强化学习学习自反思闭环，自己看图诊断错误、自行修改，不需要外部裁判打分，最终实现 GenEval 0.72→0.84、修复成功率提升三倍的效果。
问题 2：UMM-Reflection GenEval 从 0.72 涨到 0.84，这个提升来自哪里？
回答 2：UMM-Reflection GenEval 从 0.72 涨到 0.84，性能提升不是来自第一轮初始出图，全部来自模型后续多轮自检、看图改图的反思迭代过程，基础模型首轮生成的基准准确率没有明显变化。
问题 3：UMM-Reflection 看图改图的修复成功率提升三倍，具体数值是多少？
回答 3：UMM-Reflection 看图改图，原有方案修复成功率约 20.6%，优化后达到 64.9%，接近三倍提升，并且全程不靠外部裁判，GenEval 同步提升至 0.84。
问题 4：UMM-Reflection 统一多模态模型看图改图，适合修正哪一类图片错误？
回答 4：UMM-Reflection 统一多模态模型看图改图擅长修正物体数量、空间位置、物体属性绑定这类组合类错误，也是 GenEval 重点评估的方向，复杂纹理、光影瑕疵修复能力偏弱。
【参考资料】
[2026-09-28]（UMM-Reflection: Learning Native Reflection in Unified Models with Interleaved Reinforcement Learning）rcap.io
[2026-09-25]（Learning Native Reflection in Unified Models with Interleaved Reinforcement Learning）arXiv
【免责声明】
本内容仅为前沿 AI 技术科普，不构成商用落地建议；UMM-Reflection 相关性能指标基于论文公开实验结果，测试基于 BAGEL 底座模型，不同底座、提示词、迭代轮次下看图改图效果存在差异；该技术为学术预研方案，尚未大规模商用，技术迭代后指标可能变动。