arXiv · AI· Ziqi Miao, Haonan Jia, Lijun Li, Chen Qian, Yuan Xiong, Wenting Yan, Yongyao Wang, Zaoying Huang, Ken Deng, Jing Shao·· 2 天前AI 评分29
PRCO 通过感知-推理协同进化提升多模态模型推理能力
Seeing with You: Perception-Reasoning Coevolution for Multimodal Reasoning
AI 导读
PRCO 提出基于共享策略的双角色 RLVR 框架,在 8 个基准测试中将平均准确率提升 7 个点以上。 框架通过 Observer 生成证据描述、Solver 预测答案,并采用角色特定奖励解决信用分配模糊问题。 该方法性能优于先前开源的 RL 调优基线模型。
来源:arXiv · AI · arxiv.org