实体 GD-GRPO

GD-GRPO

PulseAugur coverage of GD-GRPO — every cluster mentioning GD-GRPO across labs, papers, and developer communities, ranked by signal.

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

TOOL · CL_350869 · Nov 9 · 00:00

新的Reframe框架增强了AI代理的视觉推理能力

研究人员推出Reframe，一个新颖的两阶段训练后框架，旨在增强AI代理的视觉推理能力。该框架通过证据感知强化学习和观察门控策略内蒸馏来对齐代理的观察状态，从而改进工具使用。与Mix-RL和vanilla MOPD等现有方法相比，Reframe在各种图像和视频基准测试中表现出卓越的性能。