DeltaRubric：通过联合规划与验证的生成式多模态奖励建模

对齐多模态大语言模型需要可靠的奖励模型，但现有单步评估器常因懒惰判断而失效。为此，本文提出 DeltaRubric，将多模态偏好评估重构为单模型内的“计划 - 执行”过程。该方法首先作为“分歧规划器”生成特定实例的验证清单，随后转为“清单验证器”执行检查以得出 grounded 判断。通过多角色强化学习联合优化规划与验证能力，实验表明其在 VL-RewardBench 上显著提升了基准模型的准确率，证明结构化可验证步骤能增强评估可靠性。