Yuhang Han团队提出OVC框架提升多模态强化学习性能

Yuhang Han等研究人员指出，多模态强化学习中现有的响应级优势均匀分配方式会忽视视觉与推理过程的不同作用，导致信用分配不准确。为解决该问题，团队提出了即插即用框架OVC，旨在改进视觉关联的信用分配机制。OVC框架通过相对视觉编码和结果校准，将视觉关联与token级信用分配有效分离，且无需依赖额外的辅助奖励模型。该框架通过在GSPO-token中实例化进行验证，保留了序列级裁剪特性，在三个模型及六个基准测试中，平均准确率较GSPO提升了1.86至2.39个百分点。

AI 根据报道生成 · 43 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。