跳到正文
AGI Hunt· Huawei Lin·· 2 小时前AI 评分48

ViRA 论文:CrossRPO 用对比集强化学习纠正视觉智能体“凭常识瞎答”

ViRA 论文:对比集强化学习治「凭常识瞎答」,9B 超同级开源最佳

AI 导读

论文提出视觉智能体 ViRA 与 CrossRPO,用对比集奖励纠正凭常识作答。约 3,500 条样本训练出 ViRA-9B 与 ViRA-27B;最高分辨率集合准确率 63.3%,超过 GRPO 的 59.3%。ViRA-9B 是同尺寸最准确的开源模型,ViRA-27B 多数基准超过 Claude Haiku 5.5 与 GPT-6-Luna。

来源:AGI Hunt · agihunt.info