VisualSphinx：大规模合成视觉逻辑谜题数据集用于VLM训练

VisualSphinx 作者团队在 arXiv 论文中提出首个大规模合成视觉逻辑推理训练数据集 VisualSphinx，旨在弥补视觉语言模型（VLM）推理训练缺乏大规模结构化数据的问题。 该数据集通过规则到图像合成流水线构建：从种子问题中提取并扩展谜题规则，再生成可执行的渲染程序来组装谜题图像。论文作者称，用标准 GRPO 结合二元正确性奖励进行验证后，VLM 在该数据集上训练的逻辑推理性能有所提升，且推理能力可迁移至代数、算术与几何推理任务。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。