arXiv 机器学习· Selim Furkan Tekin, Ling Liu·2026-10-20 12:00· 5 小时前AI 评分33

随机路由与强化融合结合的多模型推理框架

Alliance of Stochastic Routing and Reinforcement Fusion for Multi-Model Reasoning

AI 导读

研究人员提出用于多模态多步推理的视觉语言框架 VL-Scout，通过结合贝叶斯先验、策略梯度优化和序贯决策解决动态模型路由中的过早收敛问题。该框架利用狄利克雷置信模型进行不确定性探索与正则化，并引入基于 GRPO 或 RLVR 训练的融合策略，在 CONTINUE 与 ANSWER 动作间决策。

来源：arXiv 机器学习 · arxiv.org