arXiv Artificial Intelligence· Yuhang Han, Dingning Liu, Yujie Chen, Yaojie Zhang, Jingwei Song, Zequn Yang, Xuanming Shang, Li Ding, Zhijiang Guo, Linfeng Zhang·· 2 小时前AI 评分31
OVC：多模态强化学习中的结果条件化视觉信用分配框架
From Visual Affinity to Learning Credit in Multimodal Reinforcement Learning
AI 导读
研究者提出 Outcome-Conditioned Visual Credit（OVC），一个可插拔框架，将视觉关联度量与 token 级信用分配分离，适用于统一分配响应级优势的策略优化方法。
来源：arXiv Artificial Intelligence · arxiv.org