arXiv Computer Vision· Yixuan Li, Yuxuan Jiang, Hanwei Zhu, Hancheng Zhu, Fan Zhang, Shiqi Wang, David Bull·· 8 小时前AI 评分31
从思维链到收益：强化学习在基于推理的图像质量评估中改变了什么
Of Chains and Gains: What Reinforcement Learning changes on Reasoning-based Image Quality Assessment
AI 导读
研究通过采样感知评估、受控推理干预和捷径实验，检验 RLVR 对基于推理的图像质量评估的增益是否超出采样效应。RL 训练模型在大预算 max_g@k 评估下优于基座模型，但超出平均的改进集中在分布内；思维链迁移可提升基座模型表现，且固定思维链时评分也有改善，但推理时评分对思维链的依赖反而减弱，7B 比 32B 更明显。
来源：arXiv Computer Vision · arxiv.org