★ 2
arXiv 论文提出 OVC 框架，改进多模态强化学习信用分配
该论文指出，RLVR 将单一响应级优势统一分配给所有 token，忽视了视觉观察与后续推理的不同作用。作者提出 Outcome-Conditioned Visual Credit（OVC）插件框架，将视觉关联度量与 token 级信用分配解耦，并通过相对视觉编码、结果条件证据校准与归一化信用分配三…
arXiv cs.AI6 天前
#多模态强化学习
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
该论文指出，RLVR 将单一响应级优势统一分配给所有 token，忽视了视觉观察与后续推理的不同作用。作者提出 Outcome-Conditioned Visual Credit（OVC）插件框架，将视觉关联度量与 token 级信用分配解耦，并通过相对视觉编码、结果条件证据校准与归一化信用分配三…