RecodeX 重构消息，南洋理工大学、上海交通大学与东京大学的研究者提出UMM-Reflection方法，在开源统一多模态模型BAGEL上，通过“反思SFT冷启动+整轨迹强化学习”训练完整的多轮“反思—修改”轨迹，使同一模型自主完成看图、诊断、修改与停止决策，推理阶段无需外部打分器。

该方法将初始错误图像的修复成功率从20.6%提升至64.9%，GenEval指标从0.72升至0.84，其中空间位置分项从0.47跃升至0.89，在训练中未见过的WISE等基准上也有明显提升，效果优于直接对生成器做强化学习。研究显示，模型本身具备判断图像对错的能力，强化学习的作用是筛选出真正有效的修改路径。相关代码、模型与训练数据均已开源。