PerceptRL论文发布：强化多模态模型视觉感知
热点事件持续更新
PerceptRL论文发布：强化多模态模型视觉感知
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Tongkun Guan 向 arXiv 提交论文（编号 2610.37471），提出多模态大模型后训练强化视觉感知的方法 PerceptRL。该方法分两级：Perception RL 用多智能体流程从稠密图像描述中提取经核验的错误并转为 QA 对；Perception Agentic RL 通过视觉工具的多轮检查处理细粒度难题，并引入 Coordinate Injection 和 grounding-aware process reward 修正坐标漂移。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 00:04
PerceptRL：让多模态大模型的视觉感知变得可奖励，从答案到交互报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · cs.AIPerceptRL：让多模态大模型的视觉感知变得可奖励，从答案到交互
PerceptRL 提出在 MLLM 后训练中强化视觉感知的两级方案：Perception RL 用多智能体流程从稠密图像描述中提取经核验的错误并转为 QA 对，Perception Agentic RL 通过视觉工具的多轮检查解决细粒度难题，并引入 Coordinate Injection 和 grounding-aware process reward 修正坐标漂移。在七项 benchmark 的统一工具使用协议下，PerceptRL 平均准确率达 71.6%，分别超过同工具基础模型 15.7 个百分点和最强前沿 VLM 5.2 个百分点。
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。