V-Rubrics:5 万样本拆成 35 万细粒度标准,解多模态 RL 信用分配难题
jiqizhixin · x · 2026-10-04
南洋理工 S-Lab、ASTAR 与 UIUC 提出 V-Rubrics,解决多模态强化学习中的信用分配问题:模型可能看错图中一个数字、幻觉出不存在的物体,最终答案却仍正确——结果导向的 RL 照样奖励它;反之,错误答案也不代表中间观察全错。
核心做法:
- 将 50,248 个视觉样本拆解为 352,938 条可逐条核验的标准(criteria);
- 视觉事实、推理步骤、任务要求分别参与奖励计算,把正确观察与错误推理区分开;
- 每条标准的得分输入 GRPO 强化学习,强化对的部分、纠正错的部分。
所属事件:V-Rubrics 用 35 万细粒度准则解多模态 RL 信用分配难题(3 条相关)→
「多模态」频道最新
- HeyGen 发布 Avatar 6,官方对比历代数字人真实感进步 — HeyGen · 2026-11-20
- 用户实测 Google Genie 新版:此前「淘金热」概念已惊艳 — AI_Andrew · 2026-11-20
- 「Johnny」:强模型生成德普风格人像质感惊艳 — egeberkina · 2026-11-20
- MBZUAI 发布 PAN 2 世界模型:29B 参数,连训练代码一并开源 — ZhitingHu · 2026-11-20
- Gemini 4 Neon 从零写出现代滑雪模拟器:1 万行代码零素材 — flngr · 2026-11-20
- 全流程用 GPT 打造虚构护肤品牌 Float Theory — Emergency_Abies_6508 · 2026-11-20