arXiv Computer Vision· Derek Lilienthal, Manisha Mukherjee, Sameera Horawalavithana·· 4 小时前AI 评分29
视觉语言模型物理推理的奖励设计：外部奖励与内部注意力奖励对比
Reward Design for Physical Reasoning in Vision-Language Models
AI 导读
研究对比了视觉语言模型物理推理中的外部奖励与内部注意力奖励：外部奖励（规则化格式与答案正确性检查、LLM-judge 评分）贡献了大部分准确率提升，对推理 token 给予奖励时推理更连贯。内部注意力奖励无需标注或评判器，可改善空间关系推理，与外部奖励互补，在 Molmo 2 上无额外标注成本即提升平均准确率并泛化到分布外任务。
来源：arXiv Computer Vision · arxiv.org