NUS 等发布 CycleGRPO：用循环自验证强化学习统一区域理解与定位
NationalUniversityofSingapore · hf · 2026-10-26
- 新加坡国立大学、国科大、南洋理工团队提出 Generalized CycleGRPO，首个统一空间、时间与时空三个领域的区域理解与定位强化学习框架。
- 核心机制是循环自验证：模型先对给定区域生成候选描述，再把每个描述重新定位回原图重建输入区域；重建区域与输入的重叠度提供可几何验证的描述质量奖励，单条定位轨迹的奖励则改进定位本身。
- 区域统一表示在共享空间并配备重叠度量，使同一学习原则同时适用于图像掩码/框、视频区间与带时间戳的空间证据，无需外部评判模型。
「多模态」频道最新
- Grok 盘点 Blender MCP 实战:一条提示词生成完整可玩足球游戏 — chongdashu · 2026-10-26
- Opus 5.5 连跑 5 天，自作曲配自弹钢琴的日落湖景视频 — petergyang · 2026-10-26
- RTX 4090 上实时跑流体艺术生成,笔记本仍会卡顿 — andpoul · 2026-10-26
- 中国 AI 说唱神曲播放量破 1 亿，《南华早报》解析为何爆红 — scmp_news · 2026-10-26
- DirCast：单一流式视频模型同时导播电竞直播并实时解说 — Zixian Gao · 2026-10-26
- 预算 4000-5000 美元想本地跑 AI 视频生成，求购机建议 — dewsphere · 2026-10-26