B-GRTO

新的GRTO框架将强化学习与可微分工具使用相结合，用于分割

研究人员开发了一个名为Group Relative Tool Optimization (GRTO)的新框架，以改进计算机视觉中的指代分割任务。该方法将强化学习与可微分工具使用相结合，允许分割解码器与主策略一起进行优化。一种预训练技术Bootstrapped-GRTO (B-GRTO)进一步提高了收敛速度和性能。实验表明，B-GRTO在具有挑战性的分割基准测试中显著优于现有方法。