跳到正文
热点事件持续更新

研究团队提出PRCO双角色RLVR框架提升多模态推理

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

研究者提出 PRCO(Perception-Reasoning Coevolution),一种双角色 RLVR 框架:用共享策略让 Observer 生成面向问题的证据描述,Solver 基于该描述预测答案,并通过角色专属奖励信号(Solver 用最终答案的可验证结果奖励优化,Observer 则获得源自 Solver 下游成功率的效用奖励)来解决传统 RLVR 共享奖励导致的视觉证据提取瓶颈。 在 8 个多模态推理基准上,PRCO 相比基础模型平均准确率提升超 7 个点,且在不同模型规模上表现一致,优于此前开源 RL 调优基线。

AI 根据报道生成 · 49 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18日
  1. arXiv cs.AI
    PRCO:感知-推理协同进化的多模态推理 RLVR 框架

    研究者提出 PRCO(Perception-Reasoning Coevolution),一种双角色 RLVR 框架,用共享策略让 Observer 生成面向问题的证据描述、Solver 基于该描述预测答案,并采用角色专属奖励信号解决传统 RLVR 共享奖励导致的视觉证据提取瓶颈。在 8 个多模态推理基准上,PRCO 相比基础模型平均准确率提升超 7 个点,优于此前开源 RL 调优基线。

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。