# AutoRubric-T2I: Robust Rule-Based Reward Model for Text-to-Image Alignment

### 저자

Kuei-Chun Kao, Daixuan Huo, Yuanhao Ban, Cho-Jui Hsieh

### 💡 개요

이 논문은 텍스트-이미지(T2I) 생성 모델의 결과물을 인간의 선호도에 맞추기 위한 새로운 접근 방식인 AutoRubric-T2I를 제안합니다. 기존의 선호도 기반 보상 모델은 대규모 데이터셋 학습으로 인해 비용이 많이 들고 적응이 어렵다는 단점이 있습니다. AutoRubric-T2I는 VLM(Vision-Language Model) 판사를 활용하여 명시적인 평가 규칙(rubrics)을 자동으로 생성하고 선택함으로써, 적은 데이터로도 높은 품질의 해석 가능한 보상 신호를 생성하고 기존 모델을 능가하는 성능을 보여줍니다.

### 🔑 시사점 및 한계

- 텍스트-이미지 생성 모델의 보상 모델 학습 효율성을 획기적으로 개선할 수 있습니다.

- 해석 가능한 평가 규칙을 통해 보상 모델의 의사결정 과정을 이해할 수 있게 합니다.

- 소량의 주석 데이터만으로도 강력한 보상 모델을 구축할 수 있습니다.

- 생성된 규칙의 완전성과 인간 선호도와의 완벽한 일치를 보장하기 위한 추가 연구가 필요할 수 있습니다.

[PDF 보기](https://arxiv.org/pdf/2605.17602)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).