Multimodal RewardBench 2: テキストと画像を組み合わせたOmni報酬モデルの評価

この記事は、テキストと画像の両方の入力を処理できる報酬モデルの評価に焦点を当てたMultimodal RewardBench 2のリリースを発表しています。「interleaved」の使用は、テキストと画像が一緒に提示され、モデルがそれらの関係を理解する必要があるシナリオに焦点を当てていることを示唆しています。この研究は、テキストと視覚要素を組み合わせた出力を理解し、報酬を与える際のこれらのモデルのパフォーマンスを評価することを目的としている可能性があります。