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)→

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →