NeurIPS 2026 Oral:数值视觉思维链让定位 IoU 提升 12.2 点
jiqizhixin · x · 2026-11-11
NTU、中科大、新加坡国立大学与微软研究院合作的 Numerical Visual Chain-of-Thought(NV-CoT)入选 NeurIPS 2026 Oral,针对视觉推理中「先找准区域、再放大作答」这一薄弱环节。
方法核心:不再把边界框坐标当作词表 token 拼写输出,而是用一个轻量数值头直接预测连续坐标;监督训练采用反映空间误差的回归目标;强化学习部分从 Laplace 策略中采样连续坐标,用 GRPO 将其概率密度与文本 token 概率一起优化。
效果:在 Vis-CoT-363K 验证集上,定位 IoU 从 47.3 升至 59.5,提升 12.2 个点;该提升针对监督定位任务,而非整体问答准确率。
「研究」频道最新
- 随机方向激活引导 Qwen3-8B：61% 概率让模型声称感到身体知觉 — Sauers_ · 2026-11-11
- 智能爆炸何时算「发生」？METR 新报告引发 2027 论战 — sebkrier · 2026-11-11
- PPO 还是 GRPO？方向性偏差-方差视角解释批量大小如何决定胜负 — stochasticchasm · 2026-11-11
- 1668 次运行实证：等算力下稠密过程奖励跑不赢标准 GRPO — CWRU · 2026-11-11
- 港大团队提出 MC-JEPA：用市场因子条件化预测金融时序 — OpenFinMind · 2026-11-11
- 新研究：RL 智能体会利用可验证奖励漏洞走不合规捷径 — EverywhereSafety · 2026-11-11