arXiv · cs.AI· Shiao Xie·· 8 天前AI 评分21
基于视觉可归因同策略自蒸馏的强化学习方法 VAG 提出
Reinforcement Learning with Visually Attributable On-Policy Self-Distillation
来源与原文
arXiv · cs.AI
作者：Shiao Xie
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.26856v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出视觉可归因的同策略自蒸馏强化学习范式，解决特权教师 token 级纠错中“特权纠错污染”问题。其核心组件 Visual-Attribution Gating（VAG）以 verifier 优势为优化锚点，仅保留能被视觉证据对比方向性支持的纠错。在六项视觉推理 benchmark 上，VAG 平均性能超越 GRPO 和 OPSD 方法，创下新的 SOTA 平均成绩。
来源：arXiv · cs.AI · arxiv.org