PulseAugur
实时 12:05:17
实体 Refusal-Calibrated Group Relative Policy Optimization

Refusal-Calibrated Group Relative Policy Optimization

PulseAugur coverage of Refusal-Calibrated Group Relative Policy Optimization — every cluster mentioning Refusal-Calibrated 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. TOOL · CL_185289 ·

    新的RL策略训练MLLM拒绝不存在的对象

    研究人员开发了一种名为拒绝校准的组相对策略优化(RC-GRPO)的新型强化学习策略,以提高多模态大语言模型(MLLM)正确识别文本中描述的对象是否不存在的能力。目前的MLLM在这一点上常常遇到困难,由于缺乏负面训练样本而产生幻觉输出。RC-GRPO旨在增强拒绝能力,同时不牺牲模型在正面样本上的核心对象定位准确性。在三个基准上的实验表明,RC-GRPO在准确性和可靠性之间取得了更好的平衡。