跳到正文
arXiv · ML· Mario Markov (INSAIT, Sofia University "St. Kliment Ohridski"), Stefan Maria Ailuro (INSAIT, Sofia University "St. Kliment Ohridski"), Mohammad Mahdi (INSAIT, Sofia University "St. Kliment Ohridski"), Luc Van Gool (INSAIT, Sofia University "St. Kliment Ohridski"), Danda Pani Paudel (INSAIT, Sofia University "St. Kliment Ohridski")·· 12 小时前AI 评分22

GRTO:面向指代分割的自举式组相对工具优化

GRTO: Bootstrapped Group Relative Tool Optimization for Referring Segmentation

AI 导读

GRTO 提出一种两阶段框架,联合优化视觉语言模型策略与可微分割工具,在三个指代分割基准上显著超越基础 GRPO。 该框架首先将工具自举至理论最优策略以获取易得增益,随后扩展 GRPO 联合精化策略与工具,实现比单一优化 VLM 更稳健的奖励信号与收敛性。 实验表明 GRTO 匹配或超越领域 SOTA 方法,验证了统一强化学习与可微辅助目标在推理密集型分割任务中的价值。

来源:arXiv · ML · arxiv.org