刚读了Visual Preference Optimization论文，用Rubric Rewards优化视觉偏好效果如何？

最近arXiv上的Visual Preference Optimization with Rubric Rewards论文提出了一种新方法，通过结构化奖励来优化视觉生成模型的偏好对齐。这种方法相比传统的RLHF在视觉任务上可能更高效，我正在研究它是否能显著提升图像生成的一致性和审美质量。