arXiv · AI· Jinbae Seo, Hyeongjun Kwon, Jiyoung Lee, Hyunsung Jang, Namkoo Ha, Jungin Park, Kwanghoon Sohn·· 10 小时前AI 评分31
TCA框架：基于推理压缩的多模态定位强化学习方法
Think, Compress, Answer: Reinforcement Learning for Multimodal Grounding via Reasoning Compression
AI 导读
提出Think-Compress-Answer（TCA）强化学习框架，将多模态定位分解为自由推理、上下文压缩和答案生成三阶段，以提升定位精度。 采用多阶段Group Relative Policy Optimization（GRPO）优化，通过渐进奖励建立输出协议并最小化冗余推理信息。在六个基准测试中，TCA实现了显著的零样本性能提升。
来源：arXiv · AI · arxiv.org