跳到正文
arXiv · AI· Gregory Kang Ruey Lau, Minh Huynh Nguyen, Bryan Kian Hsiang Low·· 10 天前AI 评分42

TIGER:通过桥接模态推理访问差距增强视觉推理

Seeing Isn't Enough: Unlocking Visual Reasoning by Bridging the Reasoning-Access Gap with TIGER

AI 导读

MLLMs因模态推理访问差距难以直接利用视觉内容进行推理。TIGER利用合成渲染文本图像及GRPO后训练,桥接该差距。 模型在MathVerse、MMMU等基准上性能提升,辅助路径与文本推理状态对齐。

来源:arXiv · AI · arxiv.org