跳到正文
arXiv · ML· Xinquan Chen, Chongying Yue, Bangwei Liu, Xuhong Wang, Yingchun Wang, Chaochao Lu·· 29 天前AI 评分37

VRPRM:基于视觉推理的过程奖励模型

VRPRM: Process Reward Modeling via Visual Reasoning

AI 导读

提出视觉推理过程奖励模型VRPRM,采用标签高效的两阶段训练策略。 使用5.5K CoT-PRM监督和40K非CoT强化学习样本,在VisualProcessBench上Macro F1达69.18,超VisualPRM-8B 7.00分。 在Best-of-N评估中为InternVL2.5系列策略带来最高59.0%相对提升。

来源:arXiv · ML · arxiv.org