arXiv · 机器人与计算机视觉· T N Rickesh, Pranav Vinodh, Sowmya Kamath S·· 16 天前AI 评分48
Fewer Tokens, More Answers:Ornith 风格 VLM 多视角驾驶问答的可验证奖励微调研究
Fewer Tokens, More Answers: Verifiable-Reward Tuning of an Ornith-Style VLM for Multi-View Driving QA
AI 导读
针对有限预算下的中间推理转化难题,研究在适配多摄像头驾驶问答的 Ornith 检查点上应用可验证奖励微调。实验显示,在 256 token 限制下,GRPO 将答案提取率从 78.25% 提升至 90.25%,准确率由 55.50% 增至 63.75%;而在 512 token 条件下检查点验证重建的首次通过率增益仅为 0.75 个百分点。
来源:arXiv · 机器人与计算机视觉 · arxiv.org