跳到正文
arXiv · 机器人与计算机视觉· T N Rickesh, Pranav Vinodh, Sowmya Kamath S·· 17 天前AI 评分48

Gemma 家族多视角驾驶问答答案修正与可验证奖励研究

Answer Correction with Verifiable Rewards: A Gemma-Family Study of Multi-View Driving QA

AI 导读

基于 WaymoQA 数据集对 Gemma-4-12B 进行零样本诊断,结果显示 GRPO 微调使准确率从 73.78% 提升至 75.43%,但安全关键危害预测出现 -1.82 pp 的衰退。研究揭示了常规感知增益可能掩盖边缘案例风险,且未加权结果奖励存在饱和现象。该工作为多视角驾驶问答提供了可复现的诊断分析框架,而非宣称优于监督微调或特定 grounding 机制。

来源:arXiv · 机器人与计算机视觉 · arxiv.org