跳到正文
热点事件持续更新

ViRA与CrossRPO纠正视觉智能体常识作答

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

RIT、普渡、犹他大学与 NVIDIA 的论文提出面向超高分辨率图像的视觉智能体 ViRA 及训练方法 CrossRPO,通过对比集奖励纠正智能体凭常识作答的问题。团队使用约 3,500 条样本训练 ViRA-9B 和 ViRA-27B;在最高分辨率集合上,ViRA-9B 准确率为 63.3%,高于 GRPO 的 59.3%。论文称,ViRA-9B 是同尺寸模型中最准确的开源模型,ViRA-27B 在多数基准上超过 Claude Haiku 5.5 和 GPT-6-Luna。

AI 根据报道生成 · 56 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. AGI Hunt
    ViRA 论文:CrossRPO 用对比集强化学习纠正视觉智能体“凭常识瞎答”

    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。

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。