V-Rubrics 用 35 万细粒度准则解多模态 RL 信用分配难题

南洋理工 S-Lab、ASTAR 与 UIUC 团队提出 V-Rubrics,针对视觉语言模型「答对但没看对」的问题:模型可能看错图表数值或幻觉出不存在的物体,最终答案却仍正确,导致 RL 奖励信号失真。该方法将 5 万样本拆解为 35 万条细粒度逐项评分准则进行强化学习,让推理忠于视觉证据,论文已被 EMNLP 2026 接收并开源。

2026-10-04 ~ 2026-10-06 · 3 条相关

另有 1 条近重复转述:青稞AI