热点事件持续更新

可验证奖励调优提升驾驶问答提取率

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

T N Rickesh、Pranav Vinodh 和 Sowmya Kamath S 发表研究，对适配多摄像头驾驶问答的 Ornith 检查点用 GRPO 与可验证奖励调优，以减少生成 token 并提升答案提取率。在选定的 400 题开发集、256 token 上限下，答案提取率从 78.25% 升至 90.25%，准确率从 55.50% 升至 63.75%。在完整的 2511 题开发集上，该流程将平均生成 token 从 108.6 降至 47.1，但配对准确率区间包含零增益。作者称结果仅针对 Ornith，不能证明存在共享架构机制或跨模型迁移。

AI 根据报道生成 · 43 分钟前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月4日

13:00
arXiv cs.CL
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
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%。

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。