arXiv 人工智能· Zhongan Bi, Kepeng Lin, Xuanang Gao, Yuhan Sun, Lianrun Zhang·· 11 小时前AI 评分43
多模态强化学习研究：视觉敏感度不等于主张撤回性，提出持久性感知信用分配 PACG
Visual sensitivity is not claim retractability: persistence-aware credit assignment for multimodal reinforcement learning
AI 导读
研究人员针对多模态强化学习提出持久性感知信用分配方法 PACG，通过削弱异常持久视觉主张的正向信用，解决未受图像支持的主张错误继承奖励的问题。该方法无需标注且不增加推理成本。在 Qwen2.5-VL-7B 上，PACG 将 DAPO 和 VPPO 的 9 项基准平均分分别提升至 59.9% 和 60.9%，并提升了 HallusionBench 准确率。
来源：arXiv 人工智能 · arxiv.org