arXiv · 机器人与计算机视觉· Shiao Xie, Siyu Chen, Jianwei Lv, Xiandong Li, Yujin Wang·· 2026-10-20AI 评分66
Reinforcement Learning with Visually Attributable On-Policy Self-Distillation 方法发布
Reinforcement Learning with Visually Attributable On-Policy Self-Distillation
AI 导读
针对多模态强化学习奖励中视觉推理错误定位困难及教师修正受非视觉因素干扰的问题,提出一种基于视觉证据的可归因自蒸馏范式。该方法通过 Visual-Attribution Gating 机制,利用验证器优势作为优化锚点,并对比证据存在与退化视图来过滤不一致的残差,从而保留视觉引导并抑制错误更新。在六个视觉推理基准测试中,该方法平均性能优于 GRPO 和 OPSD 方法,建立了新的最先进水平。
来源:arXiv · 机器人与计算机视觉 · arxiv.org