InternVL-3.5

新的课程学习方法提高了 MLLM 在视觉推理任务上的性能

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。