arXiv·· 14 天前AI 评分29
RVCO：面向多模态强化学习的残差视觉信用优化
Residual Visual Credit Optimization: Conserved Evidence Routing for Multimodal Reinforcement Learning
AI 导读
针对结果奖励无法说明轨迹价值应如何分摊到各决策的问题，研究者提出残差视觉信用优化（RVCO），将 token 信用视为守恒的路由问题。该方法通过受控视觉干预得到逐 token 证据响应，用轨迹内稳健坐标去除偶然尺度，再由预算化熵路由器按感知依赖分配固定序列效用。
来源：arXiv · arxiv.org