English(EN) AdaC-GRPO: Towards Mastering Long-Horizon Visual Sudoku Puzzles via Adaptive Curriculum Learning

新的课程学习方法提高了 MLLM 在视觉推理任务上的性能

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-12 04:00

研究人员开发了 AdaC-GRPO，一种新颖的自适应课程学习方法，旨在提高多模态大语言模型 (MLLM) 在长时域视觉推理任务（如复杂的数独谜题）上的性能。这种新方法根据模型当前的性能动态调整训练批次，解决了阻碍标准强化学习技术的奖励稀疏性问题。实验表明，与 Gemini 2.5 Pro 等领先模型相比，AdaC-GRPO 显著缩小了 Qwen2.5-VL-7B 等模型的准确率差距，证明了其在各种 MLLM 上的有效性。 AI

影响增强了 MLLM 在复杂视觉推理方面的能力，有可能提高需要多步推理的任务的性能。

排序理由该集群包含一篇详细介绍多模态大语言模型新方法和基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍多模态大语言模型新方法和基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Sida Li, Yuanxin Liu, Linli Yao, Shicheng Li, Xu Sun, Haoli Bai, Xiaohui Li · 2026-10-12 04:00

AdaC-GRPO：通过自适应课程学习掌握长视域视觉数独谜题

arXiv:2610.13184v1 Announce Type: new Abstract: While reinforcement learning with verifiable reward (RLVR) enhances reasoning in large language models, its efficacy in long-horizon multimodal tasks remains underexplored. Visual Sudoku puzzles pose a representative challenge, requ…

本文如何被排名

报道来源 [1]

AdaC-GRPO：通过自适应课程学习掌握长视域视觉数独谜题

相关实体

相关话题