未分类
按主要论述浏览文章，分类与主题标签由 AI 生成，仅供参考。
共 37768 篇文章
从新到旧
答案正确，推理就一定可靠吗？V-Rubrics 用 35 万条细粒度准则细化多模态强化学习奖励
V-Rubrics 将 50,248 个视觉样本拆成 352,938 条可逐项检查的准则，让图像中的事实、推理步骤和任务要求分别参与奖励计算。基于同一 SFT 起点和同一批 RL 数据，rubric GRPO 在通用与知识评测中的 Overall Avg. 达到 68.04。
未分类按主要论述浏览文章，分类与主题标签由 AI 生成，仅供参考。
共 37768 篇文章
从新到旧
V-Rubrics 将 50,248 个视觉样本拆成 352,938 条可逐项检查的准则，让图像中的事实、推理步骤和任务要求分别参与奖励计算。基于同一 SFT 起点和同一批 RL 数据，rubric GRPO 在通用与知识评测中的 Overall Avg. 达到 68.04。
未分类