跳到正文
热点事件持续更新

Gaze-RL提出多模态强化学习奖励分配方法

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Lixuan He等作者提出Gaze-RL,一种表征驱动的策略优化方法:它通过潜在奖励落点场重新分配轨迹级优势,该场由模型内部跨模态几何与局部预测不确定性计算得出,对视觉锚定且影响决策的位置赋予更大更新权重,同时保持均值归一以保留每条rollout的总信用。 该方法无需过程监督、辅助感知模块或架构修改,在多项图像与视频基准上同时提升Qwen2.5-VL和InternVL3.5。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    Gaze-RL:从多模态推理内部计算中推断奖励落点

    Gaze-RL 提出一种表征驱动的策略优化方法,通过潜在奖励落点场重新分配轨迹级优势,该场由模型内部跨模态几何与局部预测不确定性计算得出,对视觉锚定且影响决策的位置赋予更大更新权重,同时保持均值归一以保留每条 rollout 的总信用。方法无需过程监督、辅助感知模块或架构修改,在多项图像与视频基准上同时提升 Qwen2.5-VL 和 InternVL3.5。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。