SIVA-RL

SIVA-RL框架通过将预测与视觉证据联系起来，增强了多模态推理能力

研究人员推出了一种新颖的SIVA-RL框架，旨在通过确保视觉语言模型将其预测与视觉证据联系起来，来改进多模态强化学习。与依赖干预类型的先前方法不同，SIVA-RL使用样本级、结果条件化的监督来使模型行为与观察到的效果保持一致。这种方法与GRPO和DAPO骨干兼容，在九个多模态推理基准测试中显示出显著的改进，将视觉依赖推理提高了8.79个百分点，整体相对改进高达14.9%。