Jinbae Seo等提出TCA多模态定位强化学习框架

2026年10月20日，Jinbae Seo等研究人员在arXiv平台发表标题为“Think-Compress-Answer: Inference Compression for Multimodal Grounding”的论文。该研究旨在解决多模态定位任务中的效率与精度平衡问题，提出了TCA强化学习框架。 TCA框架将多模态定位过程分解为自由推理、目标感知上下文压缩以及基于压缩上下文的回答生成三个关键阶段。这种分解结构允许模型在处理复杂定位任务时，先进行充分的内部推理，再压缩关键信息，最后生成最终答案，从而优化了处理流程。 在技术实现上，该框架采用了多阶段Group Relative Policy Optimization（GRPO）进行优化。通过建立渐进奖励机制，TCA在输出协议中有效最小化了冗余的推理信息。实验结果表明，在六个基准测试中，TCA方法相较于现有方法实现了显著的零样本性能提升，验证了其在多模态定位任务中的有效性。

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。