# 多模態獎勵模型

Skywork-VL-Reward-7B是一個7B參數的多模態獎勵模型，基於Qwen2.5-VL-7B-Instruct架構，增加了用於訓練獎勵模型的價值頭結構。

InternLM-XComposer2.5-Reward 是基於 InternLM-XComposer2.5 訓練的多模態獎勵模型，能夠給出符合人類偏好的獎勵分數。