物理AI的多模态批评模型：PhyCritic
计算机视觉与模式识别
2026-02-12 v1
摘要
随着大型多模态模型的快速发展，可靠的评判和批评模型已成为开放式评估和偏好对齐的关键，为评估模型生成的响应提供两两偏好、数值得分和解释性依据。然而，现有批评模型主要在通用视觉领域（如描述或图像问答）上训练，导致物理AI任务（涉及感知、因果推理和规划）鲜有涉足。我们引入PhyCritic，经过两阶段RLVR管道优化：物理技能热身阶段增强物理感知与推理能力，随后进行自指批评微调，批评模型在评判候选响应前生成自身预测作为内部参考，从而提升判断稳定性和物理正确性。在物理和通用多模态评判基准上，PhyCritic相较于开源基线实现了显著性能提升；当作为策略模型应用时，进一步改善了物理导向任务中的感知与推理能力。
引用
@article{arxiv.2602.11124,
title = {PhyCritic: Multimodal Critic Models for Physical AI},
author = {Tianyi Xiong and Shihao Wang and Guilin Liu and Yi Dong and Ming Li and Heng Huang and Jan Kautz and Zhiding Yu},
journal= {arXiv preprint arXiv:2602.11124},
year = {2026}
}