arXiv Artificial Intelligence· Shiao Xie, Siyu Chen, Jianwei Lv, Xiandong Li, Yujin Wang·· 3 小时前AI 评分31
基于视觉可归因在线自蒸馏的强化学习
Reinforcement Learning with Visually Attributable On-Policy Self-Distillation
AI 导读
研究提出视觉可归因在线自蒸馏强化学习范式，用Visual-Attribution Gating（VAG）以验证器优势为优化锚点，通过对比证据存在与证据退化两种教师视图来校验每条特权纠正，只保留方向受视觉对比支持的纠正。在六个视觉推理基准上，VAG 稳定优于 GRPO 和 OPSD 方法，取得新的最优平均性能。
来源：arXiv Artificial Intelligence · arxiv.org