arXiv · 机器人与计算机视觉· Hailiang Yang, Shengchao Chen·· 2026-10-20精选AI 评分78
CALIPER:基于可验证奖励的空间推理自适应信用分配方法
Policy-Adaptive Credit Assignment for Spatial Reasoning with Verifiable Rewards
AI 导读
针对图像空间推理训练中瓶颈阶段动态变化的难题,论文提出 CALIPER 自适应过程奖励框架及 SpatialTrace 轨迹语料库。该方法通过组内岭回归估计各阶段参考覆盖率与答案正确性的关联,利用其作为效用代理逐步更新奖励权重;同时引入闭环机制监控估计器可靠性以指导回滚、多样化 rollout 及早停。
推荐理由
提出 CALIPER 自适应过程奖励框架,利用 SpatialTrace 解决图像空间推理训练瓶颈动态变化问题。
来源:arXiv · 机器人与计算机视觉 · arxiv.org