跳到正文
热点事件持续更新

研究者提出Gaze-RL:在多模态RL中按位置再分配奖励优势

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

Lixuan He 等在 arXiv 发布论文,提出 Gaze-RL,一种多模态强化学习中的奖励分配方法:通过由内部跨模态几何和局部预测不确定性计算出的潜在奖励落点场,重新分配 completion 级优势,对视觉锚定且承担决策的位置赋予更大更新权重,同时保持均值不变、不改变每条 rollout 的总信用。 据论文称,该方法无需过程监督、辅助感知模块或架构改动,在图像和视频基准上对 Qwen2.5-VL 和 InternVL3.5 均有提升。

AI 根据报道生成 · 56 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
    Gaze-RL:从多模态计算内部推断奖励落点的方法

    Gaze-RL 是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 completion 级优势,落点场由内部跨模态几何和局部预测不确定性计算得出,对视觉锚定且承担决策的位置赋予更大更新权重,同时保持均值为 1、不改变每条 rollout 的总信用。

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。