arXiv · AI· Hongbin Lin, Sizhe Zou, Juangui Xu, Xinyue Xu, Zhuoli Ouyang, Stanislav Kolchin, Chengwei Qin, Zhongxiang Dai, Yao Shu·· 11 天前AI 评分33
DR-BOLT:用于自适应 VLM 推理的 dual-reference 离线优化方法
Learning When to Think: Dual-Reference Offline Optimization for Adaptive VLM Reasoning
AI 导读
针对视觉语言模型强制长思考导致的过度推理问题,研究提出 dual-reference 离线优化方法 DR-BOLT。该方法区分快慢混合参考与采样分布,在 ScienceQA 及三个留出基准上实现 2.90 倍端到端训练加速,跨基准慢思考比例为 24.1%。基于 Qwen3-VL 的实验验证了目标函数改进效果,代码已开源。
来源:arXiv · AI · arxiv.org