热点事件持续更新
Aerial-R1：用强化学习增强航空 MLLM 推理与分割
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 27 日，arXiv cs.CV 上发布的一篇论文提出 Aerial-R1，称其为首个用强化学习强化视觉推理的航空多模态大模型（MLLM）框架，同时完成航空推理与分割两项任务。方法上，该框架借鉴 DeepSeek-R1 的推理激励机制，提出 H-GAWR，对高分辨率与低分辨率视图进行动态分组，并据此做优势加权策略优化，同时显式惩罚模型在模糊输入上的幻觉。评测方面，论文称在首个面向航空 MLLM 的基准 VSAI-Ref 上，Aerial-R1 的分割精度显著优于监督微调（SFT）基线，并大幅减少低信息场景中的幻觉，代码已开源。目前该工作仅有这一篇论文报道，尚无后续进展或第三方复现信息。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
Aerial-R1 论文发布：以强化学习做航空 MLLM 推理与分割，VSAI-Ref 上超 SFT 基线，代码开源。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CVAerial-R1：强化 MLLM 的航空推理与分割能力
Aerial-R1 是首个用强化学习强化视觉推理的航空 MLLM 框架，同时做航空推理与分割。它借鉴 DeepSeek-R1 的推理激励机制，提出 H-GAWR，对高/低分辨率视图动态分组做优势加权策略优化，显式惩罚模糊输入上的幻觉。在首个航空 MLLM 基准 VSAI-Ref 上，其分割精度显著优于 SFT 基线，并大幅减少低信息场景幻觉，代码已开源。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。