PulseAugur
实时 22:27:04
实体 Structured Role-aware Policy Optimization (SRPO)

Structured Role-aware Policy Optimization (SRPO)

PulseAugur coverage of Structured Role-aware Policy Optimization (SRPO) — every cluster mentioning Structured Role-aware Policy Optimization (SRPO) 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
最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_26962 ·

    新的SRPO方法增强了视觉语言模型的模态推理能力

    研究人员推出了一种名为结构化角色感知策略优化(SRPO)的新方法,以增强大型视觉语言模型(LVLMs)的推理能力。SRPO通过在token级别分配信用,区分负责视觉感知和负责推导答案的token,从而解决了当前强化学习技术的局限性。该方法通过使用自蒸馏对比来强调特定角色的信号,从而改进了现有的组相对策略优化(GRPO),在没有外部奖励模型的情况下提高了证据基础的推理能力。