LenGuard-GPC

新框架LenGuard-GPC提升视觉语言模型空间推理能力

研究人员开发了LenGuard-GPC，一个旨在提升视觉语言模型空间推理能力的新型强化学习框架。该系统通过引入密集奖励机制，解决了思维链推理倾向于过度冗长但准确率不增的问题。LenGuard-GPC使用标准提示与引导提示之间的Kullback–Leibler散度来惩罚逐令牌偏差，同时分阶段的长度奖励确保响应保持在可控范围内。在六个基准测试上的实验表明，与标准GRPO相比，LenGuard-GPC提高了准确率并缩短了响应长度。