跳到正文
arXiv · 机器人与计算机视觉· Suxin Ji, Hungtao Wan, Mingjun Liu, An Zhang·· 2026-10-07精选AI 评分82

Selective Transfer of RL Updates for Visual Reasoning:一种基于筛选强化学习更新的视觉推理能力迁移方法

Selective Transfer of RL Updates for Visual Reasoning

AI 导读

针对端点合并难以区分预训练差异与后训练获取能力的局限,本文提出Selective-RL方法,隔离强化学习阶段的参数更新并保留其主导矩阵方向以进行跨模型迁移。实验在三个模型家族和五个视觉推理基准上验证,该方法在全量更新插值的15组比较中提升了12组的性能,其中Qwen接收者在MathVision任务上提升8.55个百分点。研究区分了后训练获取内容与可跨模型转移内容,代码已开源。

推荐理由

提出Selective-RL方法,通过筛选强化学习更新中的主导方向实现跨模型能力迁移,在多项基准测试中优于全量更新插值。

来源:arXiv · 机器人与计算机视觉 · arxiv.org