跳到正文
arXiv · 机器人与计算机视觉· Tengda Guo, Jie Leng, Hanlei Li, Yaoyuan Liang, Qingyue Zhang, Dian Yang, Mingyu Zhang, Yuhua Fu, Shao-Lun Huang·· 28 天前精选AI 评分82

CAVE:一种用于碎片化视觉证据推理的结构化信用分配方法

CAVE: A Structured Credit Assignment Approach for Fragmented Visual Evidence Reasoning

AI 导读

针对大语言模型在处理非局部且语义模糊的视觉信息时面临的挑战,本文提出了基于 GRPO 的过程奖励方法 CAVE。该方法通过信念更新、证据获取和自适应焦点控制三种信号评估中间步骤的贡献,引导模型优化每个推理动作并学习更可靠的策略。

推荐理由

提出基于 GRPO 的结构化过程奖励方法 CAVE,通过信念更新等信号优化中间步骤贡献,在碎片化视觉证据整合任务上显著提升了模型性能与鲁棒性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org