跳到正文
arXiv · 机器人与计算机视觉· Eric Peh, Debaditya Roy, Chen Li, Basura Fernando·· 23 天前AI 评分45

H-GRPO:基于置换不变强化学习提升视觉语言模型空间 grounded 推理

H-GRPO: Permutation-Invariant Reinforcement Learning for Improving Spatial Grounded Reasoning

AI 导读

H-GRPO 框架引入匈牙利匹配优化结构化三元组,使视觉语言模型在语义与空间维度同步评估中间推理步骤。实验表明该方法显著提升了分解性能与答案准确率,证实了局部区域信息对预测的重要性。研究推动了对超越单纯答案准确率的 VLM 评估范式。

来源:arXiv · 机器人与计算机视觉 · arxiv.org