arXiv · 机器人与计算机视觉· Raja Kumar, Rajat Koner, Ritwick Chaudhry, Zhuowei Li, Nishant Sankaran, Yifan Xing·· 2026-10-09精选AI 评分83
SPLIT-RL:基于主张级优势的阶段性感知 - 语言推理训练方法
SPLIT-RL: Staged Perception-Language Reasoning Training with Claim-Level Advantages
AI 导读
针对视觉语言推理中感知与推理能力混淆的问题,本文提出 SPLIT-RL 分阶段后训练框架,将视觉推理与语言推理拆解为独立优化阶段并引入主张级优势计算。在 Qwen3-VL 和 InternVL3.5 等模型上,该方法相比标准 GRPO 平均提升准确率 1.4 至 6.1 个百分点,且能同时改善感知与推理能力。
推荐理由
提出分阶段训练策略,通过原子级视觉主张优化感知与推理能力。
来源:arXiv · 机器人与计算机视觉 · arxiv.org