PerceptRL框架提出：提升MLLM视觉感知

PerceptRL是一个旨在解决多模态大语言模型（MLLM）在视觉感知层面瓶颈的研究框架。该方法提出了两种强化学习路径：感知强化学习和多轮感知Agentic强化学习。其核心机制是通过这两种方法，将原本稠密的图像描述转化为可验证的问答（QA）奖励，从而实现视觉感知从单纯的答案导向向可奖励的交互式学习转变。\n\n在性能评估方面，根据arXiv预印本显示，该框架在统一的工具使用协议下对七个基准测试进行了验证。测试结果表明，PerceptRL方法在这些基准测试上的平均准确率为71.6%。

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。