南洋理工 V-Rubrics 论文直播：逐项奖励改进视觉推理 RL

南洋理工大学博士生田淑琳将于北京时间10月8日晚8点直播分享 V-Rubrics 论文，介绍如何用逐项奖励（item-wise rewards）改进视觉推理 RL。内容包括 V-Rubrics 50K 数据集构建、前缀信用分配设计，以及知识推理、视觉数学和图表理解实验，分析相较答案级奖励的收益与局限。主题是让多模态模型推理更忠于视觉证据。