# 阿里开源 PromptEcho：用冻结的视觉语言模型给文生图训练打分，省掉额外训练成本

> 原标题：阿里开源PromptEcho：用冻结多模态大模型为文生图训练提供高质量Reward

- 来源：机器之心 · 公众号
- 发布时间：2026-05-06T04:07:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/15058
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651031464&idx=3&sn=1403f06cf74aec5f22aae0b31717230f

## 摘要

PromptEcho 的做法很直接：拿一个现成的、参数冻结的 Qwen3-VL-32B 模型，让它“读”一遍原始提示词，算出模型自己生成这些词的概率（交叉熵），然后把这个概率的负值当作连续奖励信号，喂给文生图模型做训练。好处是不用再单独训一个评分模型，省事。在 5000 张海报测试里，文字准确率从 68% 提到了 75%。

## 推荐理由

阿里开源 PromptEcho，用冻结的 Qwen3-VL-32B 直接生成连续奖励信号，省去单独训练评分模型，在 5000 张海报测试中把文字准确率从 68% 提到 75%。

## 锐评

冻结一个 Qwen3-VL-32B 当 reward，省掉单独训评分模型这笔开销，这个思路我认。5000 张海报上文字准确率从 68% 到 75%，涨 7 个点不算多，但成本几乎为零，性价比摆在那。文生图训练里 reward 模型一直是笔隐性支出，能白嫖一个现成的就没必要自己训。10 万张图的规模也够看，不是玩具。真要用还得看它在更大训练量下会不会崩。
