提出EVAN多模态强化学习框架

提出多模态强化学习框架 EVAN，通过构建“证据消融负样本”抑制语言先验捷径，改善多模态推理。 EVAN 利用图像信息增益识别高视觉依赖样本，掩码关键图像 patch 生成视觉未接地但合理的负样本，并在策略优化中将其作为有界辅助信号。 实验在多项多模态推理基准上超越强 RLVR 基线，缓解模态不平衡，代码已开源。

摘自 arXiv · NLP

还没有足够的连续观测数据，暂不绘制趋势。