arXiv · AI· Sida Li, Yuanxin Liu, Linli Yao, Shicheng Li, Xu Sun, Haoli Bai, Xiaohui Li·· 2026-10-12AI 评分28
AdaC-GRPO:通过自适应课程学习攻克长程视觉数独难题
AdaC-GRPO: Towards Mastering Long-Horizon Visual Sudoku Puzzles via Adaptive Curriculum Learning
AI 导读
提出AdaC-GRPO方法,解决强化学习在长程多模态任务中因奖励稀疏停滞的问题。 该方法通过在线推演准确率追踪模型的“最近发展区”,动态构建训练批次。 实验显示Qwen2.5-VL-7B性能接近Gemini-2.5-Flash,并弥补了与Gemini-2.5-Pro之间62.2%的整体准确率差距。
来源:arXiv · AI · arxiv.org