ViRA 论文:对比集强化学习治「凭常识瞎答」,9B 超同级开源最佳
Huawei Lin · hf · 2026-11-18
RIT、普渡、犹他大学与 NVIDIA 的论文提出超高清图像视觉智能体 ViRA 及新训练方法 CrossRPO:
- 问题:视觉智能体处理超高分辨率照片时常凭常识猜测而非真正读取图像证据;对最终答案做 RL 无法纠正——因为瞎猜和读证据拿同样的 reward;
- 方法 CrossRPO:构造「对比集」——同一问题对应同一图像的多个版本,仅证据所在小区域不同、正确答案各异,只有逐个读取证据才能全对;奖励整个集合全对,并证明这不会强化凭常识作答;
- 数据:通过在 21–120 兆像素图像中编辑小物件构建 ViRA-Train/ViRA-Bench,另用真实拍摄的变化集 ViRA-Bench-Real 排除编辑痕迹;
- 结果:仅用约 3,500 条训练样本训练出 ViRA-9B 与 ViRA-27B;CrossRPO 在最高分辨率下集合准确率 63.3%,优于 GRPO 的 59.3%;ViRA-9B 是同尺寸最准确的开源模型,ViRA-27B 在多数基准上超过最高思考档的 Claude Haiku 5.5 与 GPT-6-Luna。
「研究」频道最新
- 新预印本:从简单公理推导表征几何,距离恰为互信息 — ShahabBakht · 2026-11-18
- 分析 11.8 万条 ChatGPT 提示词:17.6% 在问图像与视觉设计 — gaganghotra_ · 2026-11-18
- AI 催热形式化验证:Anthropic 证明 239 个入口零崩溃 — kfountou · 2026-11-18
- 新工作论文:工业化确实去技能化,100 年结论被推翻 — carlbfrey · 2026-11-18
- 《自然·遗传学综述》刊文:用 DNA 语言模型做生成式基因组设计 — BrianHie · 2026-11-18
- Domingos 吐槽 iWSP 论文:直接用程序,何必写进 LLM 权重 — pmddomingos · 2026-11-18