arXiv cs.AI· Yuhang Han, Dingning Liu, Yujie Chen, Yaojie Zhang, Jingwei Song, Zequn Yang, Xuanming Shang, Li Ding, Zhijiang Guo, Linfeng Zhang·· 3 小时前AI 评分37
从视觉亲和到学习信用：多模态强化学习中的 OVC 框架
From Visual Affinity to Learning Credit in Multimodal Reinforcement Learning
AI 导读
OVC（Outcome-Conditioned Visual Credit）框架将视觉关联度量与 token 级信用分配解耦，使视觉关联经结果差异影响信用，而非直接决定更新优先级。以 GSPO-token 实例化后，OVC 在三个模型、六个基准上平均准确率较 GSPO 提升 1.86-2.39 个百分点。该框架复用现有 rollout，无需辅助奖励模型、过程标注或推理时模块。
来源：arXiv cs.AI · arxiv.org