图像里颜色正确、位置错误，如果只给“全对或全错”的奖励，训练很难知道哪一步改善了。OmniVerifier-C1 是一个视觉检查模型：先把文字要求或环境规则拆成子问题，逐个判断，再将满足比例汇成连续分数。训练同时约束局部判断和整体评分，避免模型只猜对一个总标签。
它区分两种检查方式。普通文生图通常没有唯一正确图像，因此按要求逐项评分；在迷宫、4×4数独等规则任务中，作者额外提供正确终态图，让检查者直接比较生成结果与参考，省去自己先推导目标的步骤。这里的 pairwise 是“候选与参考状态”的比较，并非两张任意候选图的偏好投票。
以 Stable Diffusion 3.5 Medium 为例，200步强化学习后，GenEval 的组合要求得分从二元奖励方案的0.68到分解奖励的0.77；FLUX.1-dev 对应为0.70到0.79。规则任务也报告参考比较更稳定。实验使用16张 A800；它目前支持的是明确规则和可得参考的受控场景，还没有把开放现实环境都变成可验证问题。