arXiv · 机器人与计算机视觉· Derek Lilienthal, Manisha Mukherjee, Sameera Horawalavithana·· 2026-10-15AI 评分68
面向物理推理的视觉语言模型奖励设计研究
Reward Design for Physical Reasoning in Vision-Language Models
AI 导读
该研究比较了依赖外部验证器的奖励信号与基于模型自身图像区域注意力的内部奖励机制。结果表明,外部奖励主要驱动准确率提升,而内部注意力奖励提供了无标注的空间关系推理信号,且能作为补充增强 Molmo~2 等模型的物理推理能力并泛化至分布外任务。
来源:arXiv · 机器人与计算机视觉 · arxiv.org