arXiv · cs.AI· Yuhang Han·· 4 天前AI 评分33
OVC：从视觉亲和到学习信用，改进多模态强化学习中的 token 级信用分配
From Visual Affinity to Learning Credit in Multimodal Reinforcement Learning
来源与原文
arXiv · cs.AI
作者：Yuhang Han
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/2610.32324v1
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
研究者提出 Outcome-Conditioned Visual Credit（OVC），一个即插即用框架，将视觉关联度量与 token 级信用分配分离，解决 RLVR 中统一响应级优势分配忽视视觉观察作用的问题。OVC 复用现有 rollouts，无需辅助奖励模型、过程标注或推理时模块。基于 GSPO-token 实例化后，OVC 在三个模型上使六项基准平均准确率较 GSPO 提升 1.86-2.39 个百分点。
来源：arXiv · cs.AI · arxiv.org