V-Rubrics:用逐项评分强化学习让多模态推理忠于视觉证据
青稞AI · wechat · 2026-10-06
南洋理工大学 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:模型能生成流畅回答,却可能看错图表数值或引入图像不支持的结论。
核心思路是把信用分配细化:将视觉事实、推理步骤和任务要求分别列为评判准则,各单项得分用于后续 GRPO 强化学习,使模型推理更忠于图像证据。论文已被 EMNLP 2026 主会接收,代码与 V-Rubrics-50K 数据集已开源。作者田淑琳(NTU 博士生)将于 10 月 8 日晚在青稞社区直播分享数据构建、逐项奖励与前缀信用分配设计及实验分析。
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
- Reddit 用户用 Seedance 2 生成广告短片《Entrega Express》 — Ok-Nerve941 · 2026-11-20
- 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