arXiv cs.CL· T N Rickesh, Pranav Vinodh, Sowmya Kamath S·· 10 小时前AI 评分24
更少 Token，更多答案：面向多视角驾驶问答的 Ornith 风格 VLM 可验证奖励调优
Fewer Tokens, More Answers: Verifiable-Reward Tuning of an Ornith-Style VLM for Multi-View Driving QA
AI 导读
研究对适配多摄像头驾驶问答的 Ornith checkpoint 使用 GRPO 与可验证奖励进行调优，在 400 题开发集、256 token 上限下将答案提取率从 78.25% 提升至 90.25%，准确率从 55.50% 提升至 63.75%。
正文 · AI 翻译
摘要：支持推理的模型衍生版本必须在部署预算内将中间思考转化为可用的答案。我们在一个 Ornith 检查点上研究了这一转变，该检查点通过可验证奖励适配到多摄像头驾驶问答任务。成对的存档输出显示，在选定的 400 题开发筛选集上（上限 256 个 token），GRPO 将答案提取率从 78.25% 提升到 90.25%，准确率从 55.50% 提升到 63.75%。在 39 次由错转对的转变中，有 33 次始于无法提取的基础回答。基础模型的 87 个无法提取的回答全部达到 token 上限。对相同问题进行经检查点验证的重建后，在 512 个 token 下首轮准确率增益要小得多：+0.75 个百分点，而 256 个 token 下为 +8.25。随后以答案为线索的续写被单独分析；它对基础模型帮助更大，并缩小了适配器差异。在完整的 2,511 题开发集上，这一启用恢复的流程将平均生成 token 数从 108.6 降至 47.1，而成对准确率区间包含零增益。我们将这些发现界定为有限预算下答案交付的适配，并明确说明选择与来源方面的局限。Ornith 的自我脚手架谱系以及 Bonsai 等更新的支持推理的衍生版本启发了这一问题，但我们的实测结果仅涉及 Ornith，并未确立共享的架构机制或跨模型迁移。
| 评论： | 7 页，2 幅图，3 张表 |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.00833 [cs.CV] |
| （或此版本的 arXiv:2611.00833v2 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2611.00833 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Pranav Vinodh [查看邮箱]
[v1]
2026 年 10 月 31 日星期六 11:33:32 UTC（52 KB）
[v2]
2026 年 11 月 3 日星期二 03:56:47 UTC（52 KB）
来源：arXiv cs.CL · arxiv.org