Evidence-RL：用反事实因果干预消除 VLM 视觉推理捷径
Haojie Huang · hf · 2026-08-11
当前视觉语言模型（VLM）常依赖语言先验或数据集捷径作答。该论文提出 Counterfactual Evidence Disentanglement (CED)，在训练时对 VLM 进行证据审计。
- 机制：通过中和目标证据区域并对比支持度下降情况，判断模型是否真正依赖局部图像证据。
- 效果：将该信号与 GRPO 算法结合，奖励依赖真实证据而非捷径的正确答案。在 9 个公开基准和 4 个骨干模型上，超越了此前的强化学习后训练方法，且不增加推理开销。
「研究」频道最新
- AI 辅助破解 FrontierMath 开放数学难题 — alphacolony21 · 2026-08-11
- KDD 2026 Oral 论文：HAROOD 提升模型分布外检测能力 — jindong_wang92 · 2026-08-11
- 机器人VLA研究OAT入围顶会杰出论文，实测覆盖60+任务 — Haoyu_Xiong_ · 2026-08-11
- MIT 提出 DAAAM：利用视觉大模型实时构建 3D 动态场景图 — tom_doerr · 2026-08-11
- 阿尔伯塔大学 RLAI 讲座：从物理学视角看强化学习 — MarlosCMachado · 2026-08-11
- Motif 3 技术报告：314B 参数稀疏 MoE 大模型 — Motif-Technologies · 2026-08-11