arXiv · AI· Shiao Xie, Siyu Chen, Jianwei Lv, Xiandong Li, Yujin Wang·· 12 小时前AI 评分25
VAG 方法通过视觉可归因在线自蒸馏提升多模态强化学习表现
Reinforcement Learning with Visually Attributable On-Policy Self-Distillation
AI 导读
提出 VAG 范式，结合任务级 RLVR 与基于视觉证据的特权 token 级修正，解决特权修正污染问题。 实验在六个视觉推理基准测试中验证，VAG 持续超越 GRPO 和 OPSD 方法，创下新的平均表现 SOTA。
来源：arXiv · AI · arxiv.org