List your company

Multimodal Reward Modeling on MM-RLHF-RewardBench

92.4Pairwise AccuracyMolmo2-4B Multi-response RM
67.23273.76680.386.834Apr 13, 2026

Evaluation results

MethodLinks
Molmo2-4B Multi-response RMSize=4B2026.0492.4—
MM-RLHF-RewardSize=7B2026.0485—
Qwen3-VL-4B Multi-response RMSize=4B2026.0484.7—
InternVL3-78BSize=78B2026.0481.8—
R1-RewardSize=7B2026.0480.6—
Qwen3-VL-4BSize=4B2026.0480—
Qwen3-VL-32BSize=32B2026.0478.8—
Qwen2.5-VL-7BSize=7B2026.0477.6—
LLaVA-CriticSize=7B2026.0477.6—
Qwen3-VL-8BSize=8B2026.0473.5—
Molmo2-4BSize=4B2026.0473.5—
Skywork-VL-RewardSize=7B2026.0472.4—
GPT-52026.0471.8—
IXC-2.5-RewardSize=7B2026.0471.2—
Gemini-2.5-Pro2026.0470.6—
Claude-Sonnet-4.52026.0470—
InternVL3-8BSize=8B2026.0469.4—
Molmo2-8BSize=8B2026.0468.2—
BaseReward2026.04—91.8
Claude-3.7-Sonnet (2025-02-24)2026.02—82.35
DT2IT-MRM2026.04—89.4
EGT# Param=7B2026.02—85.88
GPT-4o (2024-08-06)2026.02—58.23
GPT-5.22026.04—68.2
IXC-2.5-Reward# Param=7B2026.02—71.18
MM-RLHF-Reward# Param=7B2026.02—82
Qwen2-VL-72B# Param=72B2026.02—48.23
R1-Reward# Param=7B2026.02—80.59
Skywork-VL Reward2026.04—65.9
SliME# Param=7B2026.02—17.1
VITA-1.5# Param=7B2026.02—20.58