arXiv · ML· Selim Furkan Tekin, Ling Liu·· 6 小时前AI 评分36
VL-Scout：基于随机路由与强化融合的多模型动态路由框架
Alliance of Stochastic Routing and Reinforcement Fusion for Multi-Model Reasoning
AI 导读
论文提出统一视觉-语言框架 VL-Scout，结合贝叶斯先验、策略梯度优化与序贯决策，通过基于回合的强化融合实现高效多模态与多步推理。 系统引入上下文相关的狄利克雷信念模型，支持对模型质量的认知不确定性在线更新，并结合 KL 正则化 REINFORCE 目标与 GRPO 或 RLVR 训练路由及融合策略。
来源：arXiv · ML · arxiv.org