arXiv cs.AI· Zhongan Bi, Kepeng Lin, Xuanang Gao, Yuhan Sun, Lianrun Zhang·· 2026-09-30AI 评分35
视觉敏感度不等于断言可撤回性：面向多模态强化学习的持久性感知信用分配
Visual sensitivity is not claim retractability: persistence-aware credit assignment for multimodal reinforcement learning
AI 导读
研究人员提出持久性感知信用门控（PACG），通过衰减异常持久视觉断言的正向信用，解决大视觉语言模型中无图像支持断言继承正确回答奖励的问题。该方法无需额外标注且不增加推理成本，在 Qwen2.5-VL-7B 上将 9 项基准测试的平均分在 DAPO 下从 58.1% 提升至 59.9%，在 VPPO 下从 59.8% 提升至 60.9%。
来源：arXiv cs.AI · arxiv.org