跳到正文
arXiv · AI· Bingqing Jiang, Guoxi Zhang, Jasper Wang, Bingning Wang, Difan Zou·· 16 小时前AI 评分38

面向多模态推理的基于角色的结构化策略优化 SRPO

Structured Role-Aware Policy Optimization for Multimodal Reasoning

AI 导读

该论文提出 SRPO 方法,通过角色感知的 token 级信用分配改进多模态推理。 方法利用自蒸馏对比强化感知和推理 token,无需外部奖励模型即可统一优化。 实验显示 SRPO 提升了基于证据的多模态推理能力,验证了该优化策略的有效性。

来源:arXiv · AI · arxiv.org