面对强化学习（RL）画质评估模型高昂的计算成本，ICLR 2026的一项研究揭示了其泛化性源于“推理即表征”，并据此提出轻量化框架RALI。该方案能将推理能力蒸馏到视觉编码器，在预测时移除大模型，仅用4%的参数量实现与7B模型相当的性能，为实时画质评估提供了新思路。
智能速览
研究发现RL提升IQA泛化的本质是将视觉信息压缩为跨域对齐的文本表征。
RALI框架通过对比学习将推理能力蒸馏到轻量级视觉编码器中。
RALI推理速度提升超95%，显存降低超85%，参数量仅需7B模型的4%。
在多个主流数据集上，RALI的性能与大型多模态模型相当甚至更优。
研究还提出了RACT方法，有效解决了多数据集混合训练中的标注偏差问题。
精华内容
那么，RALI究竟是如何实现这种惊人的效率与性能平衡的呢？其核心在于对“推理”角色的重新定义与巧妙剥离。
推理即表征
传统观点认为RL提升IQA性能源于其推理能力，但该研究通过分析注意力分布发现，模型在生成分数时，高达95%的注意力权重集中在其自身生成的“推理文本”上，而非原始视觉特征。
这揭示了RL的本质机制：它将包含上千个Token的高维视觉信息，压缩为约百个Token的紧凑质量描述文本。这种文本表征不仅降低了信息维度，更重要的是具备天然的跨域对齐属性，能消除不同数据集间的域差异，这便是模型泛化能力的关键来源。
轻量化蒸馏
基于上述发现，研究者提出了RALI（Reasoning-Aligned Lightweight IQA）框架，旨在将大模型的推理能力“固化”到小模型中。
其核心步骤是：首先，利用RL训练好的大模型生成高质量的图文对；然后，通过对比学习微调CLIP的视觉编码器，使其输出特征直接对齐到高质量的“质量文本空间”。这一步完成后，在预测阶段便可完全抛弃耗时的LLM和推理过程。
效率与精度
为了进一步提升效率和性能，RALI引入了特征压缩与分数定义策略。通过PCA降维和分桶K-means聚类，将CLIP的768维特征压缩为更紧凑的512维离散化空间，过滤噪声并确保特征均匀分布。
最终，模型仅通过计算图像特征与可学习基向量的相似度来预测分数。实测数据显示，当Batch Size为16时，RALI的推理时间仅为Q-Insight的3.4%，显存占用为14.7%。在KonIQ、SPAQ等数据集上，其PLCC/SRCC指标与Q-Insight等7B级大模型持平。
跨域训练方案
针对IQA领域多数据集混合训练时，因标注者主观偏好不同导致模型难以收敛的问题，研究也提出了解决方案RACT。
该方法先在各数据集上单独训练RL模型，再用各自的推理模块将所有图像统一转化为客观的质量描述文本，形成跨域标签。最后，使用这些对齐后的图文对进行跨域监督微调，巧妙地避开了主观评分偏差的干扰，在未见过的数据集上取得了最佳的泛化性能。
RALI模型通过“推理即表征”的深刻洞见，成功实现了高性能IQA模型的轻量化，为端侧实时应用扫清了障碍。这种将复杂过程内化为高效表征的思路，或许能为其他高成本AI模型的优化提供借鉴。
