arXiv · NLP· Yixuan Li, Yuxuan Jiang, Hanwei Zhu, Hancheng Zhu, Fan Zhang, Shiqi Wang, David Bull·· 3 小时前AI 评分38
RLVR 在基于推理的图像质量评估中的链式推理增益与捷径依赖分析
Of Chains and Gains: What Reinforcement Learning changes on Reasoning-based Image Quality Assessment
AI 导读
研究发现，强化学习可验证奖励（RLVR）训练的大视觉语言模型在图像质量评估中，其表现提升主要源于对分布内数据的过拟合及对文本线索的捷径利用，而非对显式推理链的更强依赖。
来源：arXiv · NLP · arxiv.org