Reframe 后训练框架让视觉智能体真正利用图像证据

南京大学与中科院自动化所提出 Reframe，一个面向视觉智能体的两阶段后训练框架。其核心思路是把「观察状态」而非仅输出分布作为对齐对象，解决工具返回的图像证据未被真正利用、仅靠答案对错奖励会让捷径行为逃过惩罚的问题。该方法在 14 项基准上超越 SOTA，表现优于 Mix-RL 与原版 MOPD。

2026-11-10 ~ 2026-11-11 · 2 条相关