PulseAugur
中
实时 11:38:21
实体 Cycle Group Relative Policy Optimization

Cycle Group Relative Policy Optimization

PulseAugur coverage of Cycle Group Relative Policy Optimization — every cluster mentioning Cycle Group Relative Policy Optimization across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_141263 ·

    CycleGRPO框架统一了MLLMs的区域理解与定位

    研究人员推出CycleGRPO，一个新颖的强化学习框架，旨在统一多模态大语言模型（MLLMs）的区域理解与定位。该框架在一个自我评估范式下运行，其中MLLM既充当生成区域标题的Actor，又充当将这些标题重新映射回空间域的Critic。CycleGRPO仅使用区域输入和质量感知的循环一致性奖励，绕过了对文本真实值（ground truth）的需求，并在各种基准测试中展示了性能提升，且无需针对特定任务进行微调。