研究者提出EVAN多模态RL框架以抑制语言先验捷径

Chenxi Liu 等在 arXiv 发布论文，提出 EVAN（Evidence-Ablated Negatives）多模态强化学习框架，用于训练大型多模态模型（LMM）避免依赖语言先验而非视觉证据推理。论文称该方法通过图像信息增益筛选高视觉依赖样本，遮挡最具判别性的图像块生成貌似合理但缺乏视觉依据的负响应，并在策略优化中作为有界辅助信号惩罚捷径学习；实验显示 EVAN 缓解了模态失衡并优于强 RLVR 基线。论文标注 NeurIPS2026，代码已开源。

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。