arXiv · AI· Yuhang Han, Dingning Liu, Yujie Chen, Yaojie Zhang, Jingwei Song, Zequn Yang, Xuanming Shang, Li Ding, Zhijiang Guo, Linfeng Zhang·· 2 小时前AI 评分34
OVC 框架改进多模态强化学习中的视觉关联信用分配
From Visual Affinity to Learning Credit in Multimodal Reinforcement Learning
AI 导读
多模态强化学习中均匀分配响应级优势会忽视视觉与推理的不同作用，提出即插即用框架 OVC 以解决该问题。OVC 通过相对视觉编码和结果校准，将视觉关联与 token 级信用分配分离，无需辅助奖励模型。该框架在六个基准测试中使模型平均准确率提升 1.86-2.39 个百分点。
来源：arXiv · AI · arxiv.org