RLVR提升图像评估源于过拟合而非推理

2026年10月27日，arXiv发布了一项关于强化学习可验证奖励（RLVR）在基于推理的图像质量评估中的研究。该研究分析了大视觉语言模型在相关任务中的表现提升来源，明确指出这种增益主要源于模型对分布内数据的过拟合以及对文本线索的捷径利用，而非对显式推理链的更强依赖。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。