arXiv · 机器人与计算机视觉· Haozhi Yuan, Handong Li, Yifan Zhang, Qianshan Wei·· 9 天前AI 评分75
Reframe:面向代理视觉推理的观测对齐多教师同策略蒸馏方法
Reframe: Observation-Aligned Multi-Teacher On-Policy Distillation for Agentic Visual Reasoning
AI 导读
论文介绍Reframe后训练框架,旨在解决视觉智能体在工具使用中忽视返回观测及动作缺乏依据的问题。该方法包含两个阶段:Ground-Drop-GRPO利用证据感知奖励和随机移除原始视觉输入来训练空间与时序专家;Observation-Gated-MOPD则在推理中途用规范动作替换不足的工具动作并修复观测以继续蒸馏。
来源:arXiv · 机器人与计算机视觉 · arxiv.org