研究者提出CAVE过程奖励方法并构建TRACER-Bench

Tengda Guo 等研究者提出 CAVE，一种基于 GRPO 的结构化过程奖励方法，用于交错式视觉推理。该方法通过信念更新、证据获取和自适应焦点控制三类信号，在动作层面评估中间步骤的贡献。团队同时构建 TRACER-Bench，覆盖四个非局部且语义易混淆的推理维度，并提供关键中间证据。 据作者报告，CAVE 在碎片化视觉证据整合任务上显著提升，在通用多模态评测上保持竞争力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。