arXiv · 机器人与计算机视觉· Yichen Feng, Zhangchen Xu, Fengqing Jiang, Yuetai Li, Bhaskar Ramasubramanian, Luyao Niu, Bill Yuchen Lin, Radha Poovendran·· 17 天前AI 评分45
VisualSphinx:首个大规模合成视觉逻辑推理训练数据集发布
VisualSphinx: Large-Scale Synthetic Vision Logic Puzzles for RL
AI 导读
VisualSphinx 提出了一种从种子问题提取规则并生成可执行渲染程序的图像合成管线,构建了首个大规模合成视觉逻辑推理训练数据集。实验显示,基于标准 GRPO 和二元正确性奖励训练的 VLM 在该数据集上展现了提升的逻辑连贯性与可读性,并在代数、算术及几何等推理任务中表现更佳。该工作旨在解决当前 VLM 缺乏大规模结构化训练数据的问题,相关代码与项目页面已公开。
来源:arXiv · 机器人与计算机视觉 · arxiv.org