arXiv · AI· Suxin Ji, Hungtao Wan, Mingjun Liu, An Zhang·· 2026-10-07AI 评分26
选择性迁移 RL 更新以提升视觉推理能力
Selective Transfer of RL Updates for Visual Reasoning
AI 导读
该研究提出 Selective-RL 方法,通过隔离并保留强化学习阶段的显著主导方向来迁移视觉语言模型推理能力。该方法在 15 组模型对比中,有 12 组优于全量更新插值,在 Qwen 接收端上 MathVision 成绩提升 8.55 个百分点。
来源:arXiv · AI · arxiv.org