arxiv · arXiv · 2026-09-30 15:29 · 评分 86
提出基于词元级感知优势估计的多模态推理强化学习方法，利用视觉依赖度与预测熵作为细粒度奖励，弥补序列级奖励对视觉推理步骤监督不足的问题，提升多模态大语言模型推理能力。
原文：arXiv ｜ 返回 AI 资讯列表