引用格式：
Zheng MA, Chang-Xin WANG, Ya-Wen OUYANG, Fei ZHAO, Jian-Bing ZHANG, Shu-Jian HUANG, Jia-Jun CHEN. Hacking reference-free image captioning metrics. Front. Comput. Sci., 2026, 20 (8) : 2008343阅读原文：
针对无参考图像描述指标的破解问题，南京大学张建兵副教授团队撰写了该研究论文。
文章利用强化学习方法分析了无参考图像描述指标的存在问题，实验结果表明，当前无参考图像描述指标存在重大缺陷。作者提出了一种文本负样本对比学习方法，以改进现有指标，并有效提升了无参考图像描述指标的鲁棒性。
文章利用强化学习算法，将无参考图像描述指标作为奖励分数，对图像描述模型进行优化。通过分析模型生成句子的特征，发现当前无参考图像描述指标存在的问题。基于这些问题，文章将有缺陷的文本作为负样本，提出了文本负样本对比学习方法，从而改进了现有指标，并提升了无参考图像描述指标的鲁棒性。
实验结果表明，修复后的无参考图像描述指标能够有效识别有缺陷的描述，并通过将其作为奖励分数，生成更准确、流畅的描述。
