VisualSphinx

新的VisualSphinx数据集提升VLM逻辑推理能力

研究人员推出VisualSphinx，一个新颖的大规模合成数据集，旨在增强视觉语言模型（VLM）的逻辑推理能力。该数据集采用规则到图像的合成流程生成视觉逻辑谜题，解决了当前多模态推理缺乏结构化训练数据的现状。使用GRPO进行的实验表明，在VisualSphinx上训练的VLM在逻辑推理任务上表现出改进的性能，并惠及代数和几何等其他推理领域。