研究者发布MIRROR多模态推理方法与ODA-Data数据集

Wen Ye、Yuxiao Qu、Aviral Kumar、Xuezhe Ma 等人发布论文，针对视觉语言模型在文本与图像两种呈现下推理表现不一致的问题，提出强化学习方法 MIRROR，并构建配对的几何数据集 ODA-Data。 MIRROR 的做法是：对每道题在所有视图下评估，选表现最好的视图作为教师，用带 reverse-KL 正则项的 GRPO 任务奖励目标训练其余视图，从而从模型自身不同模态能力中提取跨视图自蒸馏信号。 研究称，在多模态数学推理基准上，MIRROR 优于标准强化学习，跨输入模态的表现更准确、一致。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。