新框架LenGuard-GPC提升视觉语言模型空间推理能力

研究人员开发了LenGuard-GPC，一个旨在提升视觉语言模型空间推理能力的新型强化学习框架。该系统通过引入密集奖励机制，解决了思维链推理倾向于过度冗长但准确率不增的问题。LenGuard-GPC使用标准提示与引导提示之间的Kullback–Leibler散度来惩罚逐令牌偏差，同时分阶段的长度奖励确保响应保持在可控范围内。在六个基准测试上的实验表明，与标准GRPO相比，LenGuard-GPC提高了准确率并缩短了响应长度。 AI

影响 增强了视觉语言模型的空间推理能力，有望提升在复杂视觉任务上的性能。

排序理由 该集群包含一篇详细介绍改进AI模型性能新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• Gotit.pub
• Grpo
• Hugging Face
• Influence Flower
• Kullback–Leibler divergence
• LenGuard-GPC
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →