OmniVerifier-C1：从二值判断到分级评分，视觉验证器如何重塑生成式世界模型

生成式视觉验证器（Generative Visual Verifier）正在成为多模态智能的关键组件。传统验证器只输出 True/False 的离散判断，面对组合式需求时往往力不从心。OmniVerifier-C1 提出了一个分解式分级验证框架，把复杂提示或环境规则自动拆解为细粒度子问题，并给出逐点连续评分，从而提供更具信息量的反馈信号。

二值验证器的局限与分级验证的提出

在多模态场景中，验证器需要判断生成结果是否满足提示中的多项组合要求。传统二值验证器只给出 True/False，一旦生成结果部分满足、部分失败，验证器无法告诉模型「哪里对、哪里错、差多少」。这种粗粒度信号直接限制了强化学习阶段的优化效率。

OmniVerifier-C1 的核心改动是：把复杂 prompt 或环境规则自动分解为若干可独立判定的细粒度组件，对每个组件给出点分（pointwise score），最终形成连续、可解释的批判信号。相比单一布尔值，这种结构化输出不仅信息密度更高，还能让验证器在域外多模态批判任务上表现出更好的泛化能力。

**验证器（Verifier）**在多模态与生成式 AI 中，通常指一个独立模型或模块，用来评估生成结果是否满足给定条件，常见于「生成—验证」两阶段流程或强化学习的人类反馈（RLHF/RLVF）环节。传统验证器多以分类器形式实现，输出 True/False 或一个标量奖励，其训练目标是判断整段结果是否合格。这种设计的问题在于：一条提示往往包含颜色、数量、空间关系、风格等多重约束，生成结果可能只满足其中一部分。二值判断会把这些信息压缩成一个比特，模型无法从中学到「哪一项错了、错到什么程度」。分级验证器则把评判结果展开成多个子分数，使奖励信号更稠密，也更容易定位错误来源，这也是它在强化学习优化中更具优势的原因。

解耦式强化学习训练策略

要让验证器同时具备「拆解子问题」和「全局打分」两种能力，直接端到端训练并不容易。作者提出了一种解耦式 RL 训练策略（Decoupled RL），把优化目标拆成两部分：子问题级别的二值判断，以及全局对齐评分。

局部反馈用于培养细粒度验证能力，而全局对齐评分则建立在局部判断之上，为可靠连续打分提供基础。整个流程仍然运行在通用强化学习框架下。实验显示，在传统文本到图像（text-to-image）场景中，这种逐点分级验证器显著优于二值验证器——这也从侧面说明，验证信号的粒度本身就是影响生成质量的关键变量。

**解耦式训练（Decoupled Training）**的核心思想是：当模型需要同时掌握多种能力时，强行用单一端到端目标训练容易导致能力之间互相干扰。常见做法是先把总目标拆成若干可独立监督的子目标，分别训练或交替优化，再通过一个共享模块或后处理步骤整合。本文中的解耦式 RL 正是这一思路：子问题级的二值判断可以看作一个相对简单的分类任务，适合用局部反馈直接优化；而全局对齐评分则需要综合所有子问题的判断结果，更接近排序或回归任务。分开优化能让验证器先学会「逐项核查」，再学会「整体打分」，避免全局目标掩盖局部错误，也降低了训练不稳定性。

规则驱动的生成式世界建模

论文进一步把验证器扩展到「规则治理的生成式世界建模」（rule-governed generative world modeling）。在这一设定下，生成模型不再只是画图，而是被用于世界模拟和世界推理，且必须遵守显式规则。

这类任务对验证器提出了更高要求：不仅要判断视觉合理性，还要检查生成结果是否满足规则约束。研究者用 Maze（迷宫）和 Sudoku（数独）等结构化世界建模任务进行了验证，结果表明分级验证框架在这些任务上同样有效。

规则治理的生成式世界建模与传统图像生成的关键区别在于「约束」的来源和形式。普通文生图任务中，提示词往往只描述视觉内容，约束是软性的、可协商的；而在世界建模任务里，规则是显式且硬性的，例如迷宫必须连通、数独每行每列数字不重复。这类任务的目标不只是生成「看起来像」的图像，而是生成满足规则、可用于后续推理或模拟的状态。因此验证器必须同时检查两个层面：视觉合理性（是否像真实迷宫/数独）和规则一致性（是否合法）。这也解释了为什么 Maze、Sudoku 等结构化任务适合作为测试平台——它们的规则明确、可自动判定，能客观衡量验证器的细粒度判断能力。

逐点验证 vs 成对验证：理论洞察

除了逐点分级评分，作者还从理论角度分析了成对验证（pairwise verification）范式。结论是：当存在真实图像（ground-truth images）可用时，成对验证能给出比逐点形式更准确的批判信号。这一结论在多个结构化世界建模任务的实证结果中得到支持。

这个发现指向一个更深层的判断：从生成模型走向结构化世界建模智能体，关键瓶颈之一在于是否拥有准确的成对分级视觉验证器。换句话说，验证器不只是评估工具，它本身正在变成世界模型能力的组成部分。

**逐点验证（Pointwise Verification）和成对验证（Pairwise Verification）**是两种不同的评分范式。逐点验证对每个生成结果独立打分，例如给一张图打 7 分，不依赖其他样本；成对验证则同时看两个候选（或一个生成结果与一个真实结果），判断哪个更好或更接近真值。逐点评分的优势是输出可以直接当作奖励使用，但绝对分数难以校准，模型容易学会「刷分」；成对比较只要求相对判断，通常更稳定，尤其在有人工或真值图像作为参照时。本文的理论分析指出：当真值图像可用时，成对验证能提供更准确的批判信号，这意味着在结构化世界建模中，如何构建高质量的成对验证器可能比单纯提升逐点评分更重要。

核心要点

• 细粒度分解：把复杂 prompt 或环境规则自动拆解为可独立评分的子问题，替代传统 True/False 二值输出。
• 连续评分信号：逐点分级评分提供更丰富、可解释的批判信号，提升域外泛化能力。
• 解耦式 RL 训练：联合优化子问题级二值判断与全局对齐评分，用局部反馈支撑全局连续打分。
• 规则世界建模验证：在 Maze、Sudoku 等结构化任务上验证了框架有效性。
• 成对验证理论优势：有真值图像时，成对验证比逐点验证更准确，提示结构化世界建模智能体的关键依赖。