多模态奖励

用于评估多模态视觉问答（VQA）任务的奖励函数。

MultiModalAccuracyReward

评估多模态 VQA 答案的正确性，支持回退到符号数学验证。

from twinkle.reward import MultiModalAccuracyReward

reward_fn = MultiModalAccuracyReward()
rewards = reward_fn(generated_trajectories, ground_truth_trajectories)
# rewards: List[float], 1.0 表示正确, 0.0 表示错误

奖励函数的工作流程:

1. 从补全文本中提取模型的答案

2. 使用精确字符串匹配与真实答案比较

3. 当字符串匹配失败时回退到 math_verify 进行符号表达式比较

专为 CLEVR 等视觉推理任务设计，答案可能是数字、布尔值或短文本。