arXiv 人工智能· Yuhang Han, Dingning Liu, Yujie Chen, Yaojie Zhang, Jingwei Song, Zequn Yang, Xuanming Shang, Li Ding, Zhijiang Guo, Linfeng Zhang·· 5 小时前AI 评分34
多模态强化学习：从视觉亲和力到学习信用分配
From Visual Affinity to Learning Credit in Multimodal Reinforcement Learning
AI 导读
研究人员提出多模态强化学习框架 OVC，将视觉关联测量与 token 级信用分配解耦，解决 RLVR 均匀分配优势值的问题。OVC 无需辅助奖励模型、过程标注或推理期模块，直接复用现有 rollouts 调节 token 梯度权重。在 3 个模型上，其实例化版本在 6 项基准上的平均准确率相比 GSPO 提升 1.86-2.39 个百分点。
来源：arXiv 人工智能 · arxiv.org