基于多阶段数据重构与偏好强化学习的多模态图像取证模型训练方法、系统、设备及存储介质

本发明公开了基于多阶段数据重构与偏好强化学习的多模态图像取证模型训练方法、系统、设备及存储介质，具体涉及图像伪造检测技术领域。该方法获取图像取证数据，将其重构为包含异常边界框等字段的结构化证据，并生成动作、观察与推理逻辑思考标注构建数据集；基于结构化证据构造涵盖标签感知、局部区域及困难负样本等多维训练样本集合；输入预训练视觉语言模型，执行标签感知比例递减、自由样本比例递增的多阶段监督微调，输出候选策略模型；调用该模型生成回答构造细粒度偏好对，结合格式及解释一致性等指标计算组合奖励，据此对候选策略模型执行强化优化输出最终模型。所述系统用于实现上述方法。