arXiv · NLP· Omar Sharif, Eftekhar Hossain, Nikhil Singh, Patrick Ng·· 17 天前AI 评分31
多模态大语言模型中通过奖励设计解耦感知与推理
Disentangling Perception and Reasoning in Multimodal LLMs via Reward Design
AI 导读
研究表明多模态模型在算法视觉谜题上的瓶颈在于感知而非推理。 将图像替换为文本描述后,Claude 模型平均性能提升超过 20 分。 使用 GRPO 训练 Qwen-2.5-VL-7B,特定奖励设计带来 5.56 分的性能增益,验证了感知感知奖励设计的潜力。
来源:arXiv · NLP · arxiv.org