VA-Judger：面向联合视频-音频生成的人类偏好奖励模型

针对现有奖励指标分开评估音频、视觉与同步性、易被 reward hacking 的问题，研究者构建了 VAPref-10K 人类偏好数据集（9K 提示词、10.3K 细粒度成对比较）与 VA-Judger-Bench 基准，并提出链式思维全模态奖励模型 VA-Judger。