★ 3
NTEP-R：代理视觉语言模型的必要工具证据路径奖励
研究指出代理VLM在工具调用中存在冗余或偏离目标的问题，提出NTEP注释方案明确必要外部证据和工具调用，并基于此设计NTEP-R奖励机制，确保每次工具调用都推进推理。引入非重复目标正则化惩罚冗余调用。实验表明，8B参数的NTEP-8B在七个基准上显著提升搜索准确率和工具效率。
arXiv cs.AI59 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究指出代理VLM在工具调用中存在冗余或偏离目标的问题，提出NTEP注释方案明确必要外部证据和工具调用，并基于此设计NTEP-R奖励机制，确保每次工具调用都推进推理。引入非重复目标正则化惩罚冗余调用。实验表明，8B参数的NTEP-8B在七个基准上显著提升搜索准确率和工具效率。